希望这个系统能够解决“有选择的自动投递给相关领域专家”的目的。比如，英语学习问题问@xiaolai，经济学问题问@guodaxia，眼科问题问@goldgrape等。这样一方面问题可能更快得到解答，另一方面每个专家的TL不至于爆炸。

不确定的因素，有多少人愿意当人肉分类员，有多少专家愿意回答问题。

另外：有没有哪位朋友愿意实现这样的系统？

相关文章：

新蛋的推荐系统真猛

Arch Linux升级系统内核后无法启动的处理

[译]Vim每日技巧-从系统剪贴板粘贴文本

[译]Vim每日技巧-将文本复制到系统剪贴板

无觅

ESI收录的指标标准：

1. Highly Cited Paper：发表于十年内各领域中被引用次数Top 1%的文章

2. 国家排名：150个国家发表于十年内文章被引用次数Top 50%

3. 期刊排名：取4500种期刊近十年内文章被引用次数Top 50%

4. 科学家排名：发表于十年内文章被引用次数Top 1%的科学家

5. 研究机构排名：发表于十年内文章被引用次数Top 1%的研究机构

6. Hot Papers：发表于两年内被引用次数为各领域Top 0.1%的文章

7. Core Paper：在Research Front中跟某个Front所有相关的Highly Cited Paper的集合

8. Top Papers：在国家/机构/研究员/期刊分类下看到的Top Papers，是这些分类下近十年被引用最多前1%的文章。(Top Papers = Highly Cited Papers + Hot Papers，是去掉重复后的总合)

9. 研究前线 (Research Front)：ESI 将国际过去五年中各个领域的论文，从其参考文献(references)及批注(footnotes)达到高引用门坎值的共同被引文献出发，通过群聚分析(Cluster Analysis)，产生聚类集合。有助于获知目前哪些领域的研究成果有重要发现，以及反映出当前科学家重点关注的方向。

ESI数据每两个月更新一次，每年6期。每年中间的更新，都包括前10年以及最近几个月的数据，而每年最后一期，只包括10年的数据（简单讲，年底那期是整10年没有零头的数据，其他期有零头）。每期可能调整部分期刊所属的领域。

ESI将期刊分为22个领域（Field），每本期刊只归于其中一个领域，而Multidisciplinary这个领域则包含诸如Science、Nature、PNAS及其他跨领域的约50种综合期刊。ESI会根据引用期刊来源而将这50多种综合期刊的单篇文章自动重新归类，每种期刊文章被重新归类的文章比例很不相同，平均约有一半文章被重新归类，而其中Science、Nature、PNAS等期刊有高达95%的文章被重新归类。 22个领域的定义见附录1。Mathematics的定义如下：

MATHEMATICS

The MATHEMATICS category is comprises journals dealing with:

* pure mathematics
* applied mathematics
* statistics and probability

而其他与数学相关的杂志被归于相应的领域，如Engineering中包括

* engineering mathematics
o mathematical modeling
o optimization techniques
o statistical methods in engineering systems

Physics中包括mathematical physics。

根据2010年12月公布的2010年第四期ESI，也即截止至2010年8月31日的数据，共收录11526种期刊。其中属于Mathematics的期刊有458种，完整列表见附录2。其中影响因子（IF）和5年影响因子（5-year IF）数据取自JCR 2010（Journal Citation Reports 2010），-1表示该期刊未被JCR 2010收录。另外，JCR 2010共收录7346种期刊，其中未被ESI 2010第四期收录的期刊有138种。

另外，考虑到部分数学相关期刊被ESI归为其他领域，因此，参考SCI分类方法，将Computational Biology，Interdisciplinary Applications，Mathematics，Applied Mathematics，Mathematical Physics，Statistics & Probability等六类共241本期刊的ESI收录情况列出，见附录3。

SCI学科分类表见附录4，ESI所有期刊及分类见附录5（2010年12月数据）。

下载：ESI

相关文章：

SCI收录数学类期刊2007年影响因子（Excel版）

一种基于Latex语言的中文期刊双栏排版模板

全国大学生数学建模竞赛论文LaTeX模板（CCT ver. 050828）

将PageRank思想用于学术论文、学术期刊的评价—PagerRank!

无觅

Simpson’s paradox是讲在分组比较中都占优的一方，在总评中反而不占优。

假设某高校只有两个系，英语系和数学系。英语系，男生的录取比例为40%，女生的录取比例为42%，而数学系男、女生的录取比例分别为10%和11%。从这两组数据看来，女生的录取比例似乎略大于男生的录取比例。那么整体的整体录取比例又如何呢？为了计算整体的录取比例，我们还需要知道具体的报考人数。在这个例子中，假设有100名男生和50名女生报考英语系，有50名男生和100名女生报考数学系，这样，男生总共有45人被录取，录取率为30%，女生总共有32人被录取，录取率为21.3%。

虽然每个系对于女生的录取率都略大于男生，但是女生总的录取率明显低于男生。可以这样解释这个现象。无论男生还是女生，数学系都比英语系更难考，而多数男生报考的是容易考的英语系，多数女生报考了数学系，导致女生被录取的人数少于男生。

百分比是靠不住的，还要知道总数。

相关文章：
转载：在Google Reader中搜索你的Feeds	Yupoo不识数？	解决apt依赖问题	Treo 680发布
无觅

不清楚算法的细节，不知道有没有误判。如果考虑了品名，误判会少些，如果只是按价格的跳跃进行判断，误判会多些，特别是新机与二手机同时存在的时候。

另外，搜索算法好象有点问题。按道理讲，“nokia n810”的所有搜索结果，应该都包括在“n810”的搜索结果中，但事实上不是这样。搜索“n810”出来的结果主要是夏新的手机，不包括很多“nokia n810”搜出来的商品。有点奇怪。

==================================

7月17日：排序结果有点乱，莫名其妙。

相关文章：

不装插件登录淘宝

使用pdftk修改PDF文件的文档信息

美域名注册商GoDaddy宣布将支持支付宝

抵制支付宝！

无觅

下载：SCI收录数学类期刊2007年影响因子（Excel）

影响因子数据来源：http://admin-apps.isiknowledge.com/JCR/JCR
期刊分类依据：http://www.isinet.com/cgi-bin/jrnlst/jlsubcatg.cgi?PC=K
附全部期刊的影响因子：JCR 2007

相关文章：

宝宝日记：2007年4月16日

vlookup函数

ESI简介及其收录的数学类期刊

悠悠日记：2007年5月8日

无觅

注：这个想法不错。能不能利用每个人正在使用的手机构建这样的网络？这样的好处是密集、实时。但是有可能引发隐私方面的争议。或者可以在销售的时候，说明有这样的功能，让消费者自己选择。

英特尔伯克莱研究所展示使用手机构筑的传感器网络

from Weiwei’s Study by weiwei_fang

http://china.nikkeibp.co.jp/china/news/mobi/mobi200803120119.html

【日经BP社报道】
美国英特尔的伯克莱研究所（Intel Reseach Berkeley）2008年3月6日举行了名为“2008 Open House at
the Intel Research
Berkeley”的研究成果展示会。公布了与美国加州大学伯克莱分校合作研究的内容，展示了Web网站搜索功能、编程语言、网络、网络安全、传感器网络
的相关研究成果。

其中，最让人感兴趣的是使用淘汰手机构筑的传感器网络。该研究所表示，除了将淘汰手机作为通信基础设施用于传输传感器测量的数据之外，通过有效使用相机手机来发送现场图像和影像。

据称美国每年有1亿5000万部手机被淘汰，其中仅有不到1%被回收。使用淘汰手机，不仅可以低成本构筑传感器网络，还可以提高手机的循环利
用率，达到环保目的。该研究所表示，此次展示的目的并不是为了追求技术水平，而是为了提出一个方案，就是形成一个便于了解周边事物的交流社区（图1）。

另外，该研究所还展示了传感器网络的应用实例，就是使用传感器网络对大气中汽车尾气浓度的分布进行实时检测。传感器网络以检测PM（粒子状物质）的MEMS传感器为主，包括一氧化碳传感器、温度传感器以及手机（图2）。MEMS传感器由美国加州大学伯克莱分校开发。

传感器的数据通过蓝牙无线通信装置发送给手机，再由手机发送给信息处理中心。由于无需使用专用数据传输装置，与原来的系统相比，数据收集的成本更低。（记者：狩集 浩志）

相关文章：

使用Imagemagick调整相片尺寸，加框，加文字

使用awk处理列数据

openoffice 如何使用公式编辑器

Zim的TeX公式中使用中文

无觅

　　竞赛提供四十八万多用户对一万七千多部电影的上亿条评分记录，要求参赛者根据这些信息推测另外近三百万条记录打了什么分数。Netflix 计算参赛者的推测与实际的打分结果的 RMSE（root mean square error），以此评定成绩。Cinematch 自己的 RMSE 是 0.9514。目前最好成绩是 0.8675，由”When Gravity and Dinosaurs Unite” 小组于 2008 年 3 月 1 日提交。BellKor 小组暂居第二，成绩是 0.8682（去年 BellKor 获奖的成绩是 0.8712）。

　　截止到 2008 年 3 月 7 日 20:55:57，竞赛已经吸引了来自 168 个国家的 27600 多支队伍参加，收到 23170 份有效的提交结果。成绩最好的 40 份结果进入排行榜。

　　Netflix Prize 竞赛应该说是双赢的活动。一方面，Netflix 以相对较少的成本，吸引了全球的研究者为其开发电影推荐算法，并获得了良好的宣传效应。另一方面，竞赛所提供的海量真实数据对于数据挖掘，知识发现，机器学习等方向的研究来说，是不可多得的珍贵数据。

PS：关于竞赛更多的信息，请自行在网上查找

相关文章：

Hutter Prize－无损压缩领域5万欧元大奖等你拿

转载：大拙就是大巧

LaTeX中注释大块代码的方法

转载：十大拒絕使用Zotero的理由 :: ten reasons for not using Zotero

无觅

这个游戏的玩法是：参赛者会看见三扇关闭了的门，其中一扇的后面有一辆汽车，选中后面有车的那扇门就可以赢得该汽车，而另外两扇门后面则各藏有一只山羊。当参赛者选定了一扇门，但未去开启它的时候，节目主持人会开启剩下两扇门的其中一扇，露出其中一只山羊。主持人其后会问参赛者要不要换另一扇仍然关上的门。问题是：换另一扇门会否增加参赛者赢得汽车的机会率？

　　很多人（包括我自己）第一次看到这个题目的时候直观的感觉剩下的两扇门后面要么是羊要么是汽车，换不换门选中汽车的概率都是1/2，换门并不能提高选中汽车的可能性，那还是坚持最初的选择好了。而事实并不是这样。问题的答案是：如果不换，那么选中汽车的概率是1/3，如果换，选中汽车的概率是2/3。

　　网上已经有很多关于求解过程的讨论，这里我只讲我的理解。首先明确一点，主持人知道汽车在哪扇门后面并且他肯定会打开一扇有羊的门。否则如果主持人打开的是一扇有汽车的门，游戏就玩不下去了。既然主持人肯定会打开有羊的门，那么是否选择换另外一扇门就可以在整个游戏之前确定，也就是说，参赛者有两种策略，一种是随便选择一扇门并且不换门，另一种是随便选择一扇门并且在主持人打开有羊的门之后换选另外一扇门。下面只要分别计算这两种策略选中汽车的概率就可以了。

　　显然第一种策略选中汽车的概率是1/3，选中羊的概率是2/3。

　　第二种策略下可以根据第一次的选择分为两种互斥的情况，根据加法原理将两种情况下选中汽车的概率相加，就是第二种策略选中汽车的概率。

1. 第一次选择的门后面是汽车，这个事件的概率为1/3。因为剩下的另外一扇门后面肯定是羊，即，是汽车的概率为0，因此这种情况下，最终选中汽车的概率为1/3*0=0。
2. 第一次选择的门后面是羊，这个事件的概率为2/3。因为剩下的另外一扇门后面肯定是汽车，即，是汽车的概率为1，因此这种情况下，最终选中汽车的概率为2/3*1=2/3。

所以第二种策略选中汽车的概率为0+2/3=2/3。简单的讲，当参赛者以2/3的概率选中一扇有羊的门之后，主持只能将有汽车的门留给参赛者，如果换门，就可以选中汽车。

　　为什么我们会有最初的1/2困惑，并且相当一部分人看了”正确”的解答仍然坚持这样认为？我想了差不多一整天，我觉得关键是主持人打开的那扇门。因为主持人知道汽车在哪里，所以当他打开一扇有羊的门之后，剩下两扇门就不再是均匀分布了。

　　Wiki上关于这个问题的解答如下：

有三种可能的情况，全部都有相等的可能性(1/3)：

1. 参赛者挑山羊一号，主持人挑山羊二号。转换将赢得汽车。
2. 参赛者挑山羊二号，主持人挑山羊一号。转换将赢得汽车。
3. 参赛者挑汽车，主持人挑两头山羊的任何一头。转换将失败。

在头两种情况，参赛者可以透过转换选择而赢得汽车。第三种情况是唯一一种参赛者透过保持原来选择而赢的情况。因为三种情况中有两种是透过转换选择而赢的，所以透过转换选择而赢的概率是2/3。

这个解答在我看来是相当的简洁明了，比我上面讲的更直接。之所以没有在开始引用这个解答，是因为有人有这样的疑问：

参赛者挑的时候，把山羊分为一号、二号，主持人挑的时候怎么不分一号、二号？肯定有问题嘛！

这是表达上的小问题导致的误解，主要是句号的位置不正确。调整成下面这个样子估计会好些：

1. 参赛者挑山羊一号。主持人挑山羊二号，转换将赢得汽车。
2. 参赛者挑山羊二号。主持人挑山羊一号，转换将赢得汽车。
3. 参赛者挑汽车。主持人挑两头山羊的任何一头，转换将失败。

　　昨天晚上看《数字追凶》（Numb3rs)，查理教授在课上讲了这个游戏。视频在这里：http://6.cn/watch/57604.html。

相关文章：

google docs是不是有问题？

解决apt依赖问题

Opera 8321的一个问题

Mysql乱码问题（备忘）

无觅

　　十分钟邮箱是一个提供免费邮箱的网站，特别之处在于，它提供的邮箱只有十分钟，没错，就象它的名字一样，只有十分钟。不需要填写麻烦的表格，不需要提供任何个人信息，甚至不需要费脑筋想用户名，只需要点击申请邮箱的链接，马上就会得到一个邮箱地址。在接下来的十分钟里，所有发往这个邮箱的邮件，都自动会显示在屏幕上。如果十分钟不够用，还希望继续使用，那就点”再给我10分钟!”。

　　只有十分钟的邮箱，又不是我喜欢的用户名，有什么用呢？

　　现在很多网站都要求用户注册后，才能使用相关的服务，比如论坛。注册的时候又要提交各种各样的个人信息，通常会要求用户提供至少一个电子邮箱地址。而且很多网站为了防止机器人注册，防止用户随便填一个地址，还使用了Email验证机制，发一个什么验证码，什么验证地址到用户提供的邮箱，要再点一下才行，等等。总之，一定要用户提供有效的个人信息才行。而一旦你提供了真实的邮箱地址，邮箱里的垃圾邮件就很有可能增加。虽然不是所有的网站都会出卖用户的个人资料，但古话说的好”防人之心不可无”。有了十分钟邮箱，你就可以方便的试用各个网站的服务，满意了，信得过，值得注册，那就再换成正式的邮箱好了。

　　提醒：对于相对重要的网络服务，建议不要使用这项服务，以免收不到重要邮件。

http://www.feedsky.com/challenge/art/140687/feedsky/618618/~/gtsp/zt1/06562/lnk.html

相关文章：

sina的免费邮箱非常的差！

今天收到网易升级邮箱的通知

不能使用pop3接收yeah.net邮箱里的邮件

网易的邮箱出现问题！

无觅

• Dict.CN汉英词典：331万不重复词条，配以简明解释和相关词条，动态更新。
• Dict.CN英汉词典：169万不重复词条，配以简明解释和相关词条，动态更新。

对于一般的应用，基本上够用了。词条解释稍嫌简单，但我比较喜欢其中的例句与用法，特别是汉译英的时候，某个词的用法拿不准，查查例句有没有类似的，挺管用的。

　　查询方面，除了访问网站直接查询的方法之外，还可以通过MSN机器人，QQ迷你门户，浏览器插件、系统右键等方式查询单词。甚至可以使用手机访问wap.dict.cn来查单词。海词公布了API接口，任何有兴趣的网友，都可以开发自己的第三方应用。

　　通过插入海词提供的HTML代码，可以在自己的网页上提供单词查询服务，比如像这样：

　　海词提供的在线拼音输入法也很有意思，但是似乎最多只能输入二字词。不过在线输入法这种东东也只是应一下急，应该不会有人当做常用输入法吧。

http://www.feedsky.com/challenge/art/140687/feedsky/618618/~/gtsp/zt1/7d047/lnk.html

相关文章：
转载：告別等候公交車的時代！ （試用“杭州公交GPS”）	10分钟邮箱——学会保护自己	桌面	Treo 680发布
无觅

　　规则很简单，玩家甲到http://images.google.com/imagelabeler/登陆后，系统会随机指定另外一个在线玩家乙作为甲的搭档。然后在2分钟内，系统随机选取一张图片显示给两人，由甲、乙分别给这张图片打标签，可以打多个标签，但是不能使用系统禁用的标签（off-limits）。一旦两人所打的标签中出现一致的，系统会根据标签的”具体程度”给两人加上不同的分数，并显示下一张图片，继续打标签，直到2分钟结束。游戏结束后，会显示在这次游戏中所用到的所有图片，以及搭档给出的标签。标签越具体得分越高，比如下面这张图，如果两个人给出的标签是”sky”，那么可以得50分，”bird”可以得60分，”soaring”得120分，而”frigate bird”可以得150分。看上去有点麻烦，去http://images.google.com/imagelabeler/玩一下就很清楚了。

　　因为目前只有英文版，不但界面是英文的，打标签也只能用英文，对英文的要求还是比较高的。

　　Google搞这个游戏，其实是为了改进图片搜索的质量。目前图片的搜索或者说检索，仍然是一个世界级的难题。没有特别有效的方法，基本上还停留在根据颜色、纹理进行分类的阶段。Google通过这样一个游戏，可以集聚广大网友的力量，通过标签挖掘图片的真实信息，也就是常说的”人肉搜索”。如果还希望了解更详细的信息，请访问http://my.donews.com/jackiege/2006/09/10/bfabvbfwqfdovpayhpufsfhqvxoucfrqatdb/。

　　有时间就试一下吧。

http://www.feedsky.com/challenge/art/140687/feedsky/618618/~/gtsp/zt1/7d856/lnk.html

相关文章：
TikZ一例–简单流程图	Opera 12 周年	iTheme	雅虎娱乐－首页
无觅

Sent to you by Mao Ziyang via Google Reader:

Bit.Fall，比特瀑布

via [ i D | 公 社 ] by Hi-iD on 11/1/07

上图你看到的并不是一幅巨型点阵艺术图，而是一道水帘，而水帘上能显示出图形，这个Bit.Fall（比特瀑布）来自于 Spherical Robots 的 Julius Popp（上图为模拟图，下面有视频）。这个水雕塑使用了128个同步电磁阀门（synchronized magnetic valves），将水流可以变成点阵图显示矩阵，一个计算机程序可以从新闻网站选择热门的关键词，将它们显示在这个透明的“信息窗帘”上，这个“信息流”寓意着信息的动态性和常变性。

Bit.Fall 的视频：

（via:dezeen）
另外一个作品Jeep Waterfall，来自Stephen Pevnick：

—
相关文章:

暂时没有相关文章

Things you can do from here:

• Subscribe to [ i D | 公 社 ] using Google Reader
• Get started using Google Reader to easily keep up with all your favorite sites

相关文章：
转载：非传递性骰子：A比B好，B比C好，A不一定比C好	再一次证明Opera确实比IE出色	不比不知道，还是DreamMail好	12张流程图讲述我们的一生
无觅

　　虽然白人、黄种人、黑人之间的差别十分明显，但是相比于人和狗，人和猩猩之间的差别，这又能算得了什么呢？我相信世界上的人只有一个共同的祖先，但是不是一定起源于非洲，那还是要听科学家们怎么说。不但人类是单一起源，相信其他的物种也是单一起源。老虎，老鼠，老鹰……无一例外。

相关文章：
RC Laser Pointer	Sage-多项式插值	令人敬畏的数学：整系数多项式的根在复平面上的图像	Yupoo——又拍
无觅

4月30日：今天看到老徐自己说，“写了6700多个字，历时2个多月……”。那基本可以肯定，是GB字库，并且是逐个制作的。当然了，前提是老徐讲的是真的。

相关文章：

开发日记-LaTeX 到北大方正小样文件的转换工具（3）

开发日记-LaTeX 到北大方正小样文件的转换工具（2）

开发日记-LaTeX 到北大方正小样文件的转换工具（1）

SAGE作图实例：Runge现象

无觅

　　我没想到，在邮件中居然可以直接打开Word、PDF、OpenOffice文档。我没想到，卫星上居然可以看到家门口的小路。我没想到，不安装Office，一样可以编辑Word文档，并且可以多人维护同一份文档。……

　　还有拒绝Google的理由吗？或许，未来的PC，只需要网卡、屏幕、内存和浏览器。

相关文章：

Google Reader一处微调

Google Reader可以订阅任何网页——好消息？坏消息？

google docs是不是有问题？

搜索进程——新的搜索方式

无觅