06月 29, 2009/自由的风
1.vi /etc/sysconfig/i18n
原来的内容为：LANG=”zh_CN.UTF-8″
将内容改为：
LANG=”zh_CN.GB18030″
LANGUAGE=”zh_CN.GB18030:zh_CN.GB2312:zh_CN”
SUPPORTED=”zh_CN.GB18030:zh_CN:zh:en_US.UTF-8:en_US:en”
SYSFONT=”lat0-sun16″
这样中文在SSH,telnet终端就可以正常显示了。
2.安装LINUX的时候选择的是中文字,但是使用的时候出现了乱码解决方法是在命令提示下输入export LANG=C
3.export LC_ALL=zh_CN.GBK
export LANG=zh_CN.GBK
LANG=”zh_CN.UTF-8″
06月 28, 2009/自由的风
XAMPP是一款比较强大的本地测试平台，它集成了必须的三个功能，还带有 FileZilla，软件带有一个控制面板，在里面可以把Apache、MySql和FileZilla三者注册为系统服务或者卸载服务，有服务启动的控 制按钮，而且在窗口下部还能看到服务的运行信息。虽说面板是英文的，但清楚易懂。注册为系统服务有个好处就是开机能够自动运行，但是会消耗一定的系统资 源，怎么取舍用户自己来定。安装成功，服务也启动成功后，就可以把浏览器打开输入http://localhost/，试试是否成功。在XAMPP的网页 选项里，有中文支持。
它的官方网站没有中文，但是程序支持中文。启动安装程序后，它会提示你请先卸载旧版，不支持 覆盖式的升级，然后一路NEXT就能安装成功。它在任务托盘里有个图标，如果服务启动异常，它就是红色的；如果部分异常，它就变成黄色；如果是一切正常， 那么它就变成了白色。这些不同的颜色警示，你很容易判断当前你的localhost能不能打开。它还能切换在线和离线状态，选项中的文语言项中也有简体中 文可选，很不错。
06月 26, 2009/自由的风
1. 不要随便就复制变量
有时候为了使 PHP 代码更加整洁，一些 PHP 新手（包括我）会把预定义好的变量复制到一个名字更简短的变量中，其实这样做的结果是增加了一倍的内存消耗，只会使程序更加慢。试想一下，在下面的例子中，如果用户恶意插入 512KB 字节的文字到文本输入框中，这样就会导致 1MB 的内存被消耗！
BAD:
$description = $_POST['description'];
echo $description;
GOOD:
echo $_POST['description'];
06月 24, 2009/自由的风
01 。我的大名：自由的风（loosky）
02 。我的生日：6月28日(阳历的。。其实我过的是阴历的生日，^_^）
03 。谁传给你的：美人蕉
04 。生日想得到什么礼物：对这个没什么奢求。。
05 。近期压力大的事：好像没什么有压力的事啊，一切轻松搞定，哈哈哈哈。。。
06 。未来想做的事：创业或者合伙，开个公司。。。
07 。有没有喜欢的人：有啊
08 。同学会要回去找老师吗：会，有很多老师，让我难忘。
09 。跟谁出去最幸福：能让我觉得幸福的人
10 。如果你的两个好友吵架了：让他们和好。
11 。跟情人最想去哪：海边看日出
12 。圣诞节要做啥：还没计划
13 。最想跟谁过圣诞节：一个纯正的中国人，对这个外国人的节日，没什么太大感觉呢。。。
14 。有没有赖床的习惯：不怎么喜欢赖床
15 。有几个兄弟姐妹：一妹
16 。最喜欢的一首歌：老歌
17 。喜欢什么颜色：不太敏感
18 。现在在做什么：回答被点名的问题
19 。最想大声说什么：怎么这么穷啊？？？？？
20 。半夜敢不敢自己上厕所：小case
21 。谁很欠打：无
22 。现在很迷什么：女人，哈哈。。。
23 。睡相很差：还好吧，据说是偶像派，嘿嘿。。。。
24 。现在的时间：2009.6.34/8:51(北京时间咯）
25 。是否痛恨传给你点卷的人 ：否
26 。体重多少：65kg，若是60kg那就比较爽了，大学时代最“苗条”的时候啊。。。
27 。今天天气：阴
28 。你若中乐透最想做什么：乐透是什么？？？ 我得到百度上google一下
29 。大学生一定要玩的活动：打工挣钱，去想去的地方旅游
30 。引起失眠的原因：我睡眠那不是一般的好，哎。。。失眠那是啥感觉？
31 。睡觉有流口水的情况吗：貌似没有
32 。近期开心的事：每天都会开心，可惜不能显现出来，否则会引起那位不开心啊。。。
33 。经常通宵不睡吗：No
34 。你会和爱自己的人还是自己爱的人结婚：我要和两情相悦的人结婚。
[Read More]
06月 23, 2009/自由的风
中文分词(Chinese Word Segmentation)指的是将一个汉字序列切分成一个一个单独的词。中文分词是文本挖掘的基础，对于输入的一段中文，成功的进行中文分词，可以达到电脑自动识别语句含义的效果。
TF-IDF（term frequency–inverse document frequency）是一种用于信息搜索和信息挖掘的常用加权技术。在搜索、文献分类和其他相关领域有广泛的应用。
TF-IDF的主要思想是，如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适 合用来分类。TF词频(Term Frequency)指的是某一个给定的词语在该文件中出现的次数。IDF反文档频率(Inverse Document Frequency)的主要思想是：如果包含词条的文档越少，IDF越大，则说明词条具有很好的类别区分能力。
使用TF*IDF可以计算某个关键字在某篇文章里面的重要性，因而识别这篇文章的主要含义，实现计算机读懂文章的功能。
常见中文分词开源项目：
SCWS：
Hightman开 发的一套基于词频词典的机械中文分词引擎，它能将一整段的汉字基本正确的切分成词。采用的是采集的词频词典，并辅以一定的专有名称，人名，地名，数字年代 等规则识别来达到基本分词，经小范围测试大概准确率在 90% ~ 95% 之间，已能基本满足一些小型搜索引擎、关键字提取等场合运用。45Kb左右的文本切词时间是0.026秒， 换算完毕大概是 1.5MB文本/秒。支持PHP4he PHP 5。
这可是最早的中文开源分词项目之一，ICTCLAS在国内973专家组组织的评测中活动获得了第一名，在第一届国际中文处理研究机构SigHan组织的 评测中都获得了多项第一名。ICTCLAS3.0分词速度单机996KB/s，分词精度98.45%，API不超过200KB，各种词典数据压缩后不到 3M.ICTCLAS全部采用C/C++编写，支持Linux、FreeBSD及Windows系列操作系统，支持C/C++、C#、Delphi、 Java等主流的开发语言。
Java 提供lucence 接口，仅支持Java语言。
一个中文词典开源项目，提供一份以汉语拼音为中文辅助的汉英辞典，截至2009年2月8日，已收录82712个单词。其词典可以用于中文分词使用，而且不存在版权问题。Chrome中文版就是使用的这个词典进行中文分词的。
Loading ...
No Comments