The Sun Also Rises

回家的时间总是短暂的
这段时间宁波总是下雨，
都没啥机会出去走走。

哎，扪心自问，这一年半都做了什么，学到了什么。
躁动与不安，静不下心来。
是一种完全迷失的感觉，曾经奉为圭臬的东西，一下子似乎轰然倒地。
倒也不是说变得一文不值，只是那种神圣的感觉不在了。。。
感觉曾经的自己如同堂吉诃德一般，

谁知道这不会是一件好事呢。
呃，其实我相信这是好事，这个年纪了，也改变的现实了吧。。。
只是，这个过程无疑是迷失而又痛苦的。。。
就像，就像原有的东西被彻底的瓦解了，
新的东西，连影子都没有~

随着阅历的增长，总会慢慢找到出路的吧。。。
就像，现在的我的思路，比1.5年前，还是长进了不少的。。。
虽然，还是不足以走出这个迷宫。。。
但是至少可以做一些local computation了吧(-,-b)


有时候会想起一些过去的事情，
怀旧么？

有些事情我们无法选择，当它到来的时候我们只有面对。
。。。
。。。
。。。
或者我们也可以选择。。。
。。。
种太阳~~
http://v.youku.com/v_show/id_XNTUzNjQ3MTY=.html

meeting的时候JG说，啊，我没带paper啊，忘在家里了~
哇，原来JG童鞋周末还努力看paper啊。。。好感动。。。。吗？
JG说，啊，我其实没看过哦，你看了么，给我讲讲吧。。。
。。。。
你不看带回家个妹啊。。。。。~ 哄老婆孩子么@@@@

网景公司当年完成了30亿美元的IPO，而这也后来被称为90年代泡沫的开始。您当年是否预测到泡沫将会如罗马帝国倒塌一样轰然破灭？

上世纪90年代的时候，几乎所有的MBA毕业生都想在硅谷创办科技公司，而大部分都是不具备条件的。是他们带来了这样的科技狂热和不靠谱的创业行为。所以说MBA毕业生的动向很能反应问题：如果他们都想涌入投行，那么金融危机正在形成；如果他们都想进行科技创业，那么科技泡沫正在产生。

 Codd made relations,
all else is the work of man

我本来还以为今天就是一个quick sync呢~ 结果大家在那里扯蛋啊~

这个故事告诉我们， PhD扯蛋是很重要的~ 你看名字就叫"Ph蛋"

貌似strcture learning是说，我们要预测的y现在不再是一个简单的label了，而是可以有着复杂internal strcture的东西。。。比如树，图，子集。。。@@； 但是每一个预测还是独立的； 本质上还是在求p(y | x), 只不过现在y可以很复杂。。。比如伟大的structured SVM就是做这个事情的

relational learning则是说，预测之间相互不独立； 比如ontology alignment里面，子节点align了说明父节点很有可能也会align; 貌似很多用处是在 information extraction里面？ 不太清楚； 然后有一种做法是把first-order logic和statistical learning结合 (Markov Logic Network， PSL貌似也是这个思路，但是PSL的那个概率怎么看都觉得像凑的~ 也可能是我没理解); 不太清楚小麦是怎么用CRF来做relational learning 的，貌似1没用first-order logic...
顺便说一句，我怎么觉得小麦比JG还要有钱的样子。。。1各种DARPA/IAPRA的项目啊~

才疏学浅~ 有不对之处尽管拍砖~

速度不是关键。关键是我没有办法预测他的速度。

好吧，具体一点，问题如下，
两个稀疏vector, x & y, 求 ||(x - y)||^2

方法1：用内建的dictionary，比如存储为{2:1, 10:1, 17:1}
方法2：用一个数组(list)  of pairs (就是python里的tuple，按从小到大存储), 存储为 [(2, 1), (10, 1), (17, 1)] 计算的时候线性的扫描一下
（写成方法2纯属偶然，本来肯定是用dictionary写起来省事，但是构建vector的时候随手用了下zip(), 然后就自动生成了list of tuples，然后想，那干脆写个线性扫描吧）

现在的问题是。。。。
方法1比方法2要快。。。orz....

让我们更明确一点，
在我的机器上，方法1和方法2差不多快似乎（可能有一个快一些，但是没有很明显的感觉）。
但是扔到服务器上，方法2就莫名其妙的慢的一塌糊涂（比本地还慢）

----------------------------------------------------

具体我有空了再详细查；目前猜测的原因是tuple和list是在python interpreter level执行的，overhead比较大； 而dictionary很可能是直接调C-lib了，然后我们的应用中还是挺随机的，很可能hash一次命中。 
anyway...实在是被打败了。。。我还是改用Java把。。Python还是用于快速prototype实现。。。（比如我上学期的无敌暴力kmeans，哇咔咔）
care效率的时候还是用java吧。。。然后继续复读机地表示scala赶紧一统江湖~~~简直是运行效率 + 开发效率的平衡点啊~~~
据说伟大的SVM light有Java interface, 我们假装很好用吧。。。嘿嘿嘿嘿嘿嘿嘿。。。
（某位thorsten的弟子啊，你怎么可以抛弃你老板的svm light改用libsvm呢，这样是不对的~~~，应该赶紧写一个SVM_active发布~~~）

----------------------------------------------------

另外python的内存overhead让我觉得有点恐怖啊。 data大概是500mb这样子； 然后跑的时候用掉了4G+...sigh...

JG快去拉点NSF的funding, 或者拉点德国政府或者欧洲的funding啊啊啊啊啊~
你看听说欧洲政府在Semantic Web上烧了好多好多钱。。。您老又是德国人，乘机骗funding啊。。。
这种没事干每周需求变更一次的项目最讨厌了。。。

#! /bin/bash

for FILENAME in `ls ~/dataset/benchmarks/*/onto.rdf | grep /[1,3]`
do
    DIRNAME=${FILENAME:0:${#FILENAME}-8}
        
    echo $DIRNAME
    NUM=`echo $DIRNAME | cut -d/ -f6`
    cp $FILENAME dataset2/dataset2.rdf
    cp $DIRNAME/refalign.rdf dataset2/refalign.rdf
    ./run.sh
    cp owlalignments.txt "umd_result/align$NUM.txt"
done

----------------------------------

ls | awk -F'.' '{print "mv " ".rdf " ".txt"}' | bash

有空一定要研究一下awk, 太妖艳了。

------------------------------------

听说周一就可一拿到新版本的UMass Matcher了，期待!!!