好玩的数学读书笔记（数学之美读书笔记）

嘻嘻，这是本宝宝的第一篇新媒体文章，有点小激动~ 下面是阅读吴军大佬《数学之美》 的一些读书笔记~

阿拉（我）读本书的目的是了解：如何通过计算机来实现你每天都在用的搜索、信息流阅读推荐等功能。

计算机大神请走开，我等小白要开始班门弄斧了~

下面开始我的表演~

Ready ?

go ！！

一、 功能应用场景

搜索、翻译、语音识别、手写体识别、印刷体识别

二、 用户场景分析

以搜索为例

1.用户输入搜索词搜索，希望得到相关性强的并且高质量的内容。

体育中心有什么好吃的？

体育中心（5） 有什么（0） 好吃的（4）

体育中心（主题词） 有什么（无意义词） 好吃的（主题词）

2.如何获得相关性强，高质量的内容？

（1） 相关性：关键词是啥、关键词的频率（非数量）、

（2） 高质量：网站投票（类似论文引用的道理，被引用的越多的文章被认为质量越高）

3.机器如何识别关键词？以及区分关键词的权重？（TF/IDF）

体育中心（主题词） 有什么（无意义词） 好吃的（主题词）

（1） 关键词识别：分词。后一个词在前一个词后面的可能性。全体词库的统计，出现概率高则认为这个是一个词语。（统计学、概率）

（2） 关键词获得：主题词，频率会出现低。无意义词，出现频率高。通过全体词汇统计获得。

（3） 或者垂直行业里面的词汇，会有相应的词汇表。（可通过对大批同类文章库进行词汇统计得出关键词）

4.不同的权重的关键词权重得分如何计算？

（1）关键词出现频率

链接唯一随机数 链接（包含上百字） 关键词1 权重1，权重得分5 关键词2 权重2，权重得分2 外链权重

通过关键词权重及外来权重加权得出网站排名。

三、机器实现步骤

1. 蜘蛛爬取，通过链接获得链接。就像城市道路连接。图形过桥。

2. 网页建立索引：关键词提取（相关性），分析文章质量（排名）。

3. 用户搜索，展现。

四、机器如何对文章进行分类

1.例如对新闻词，已有新闻的关键词库（概率统计获得），将文章的关键词抽取，然后计算文章所含的词库的向量计算。

2.结合余弦定理，如果夹角相近。则可认为文章为同类文章。

3.不仅对该类词库进行计算，可能也要对非该类词库进行计算以排除与该类相似。

五、 事物中的两面性

某些用户通过搜索引擎的算法漏洞，来获得更好的排名，谋取利益。

1.关键词堆砌，用隐藏的方法添加关键词，提升词频。

2.外链买卖等方法谋取利益。提升外链数量。

百度见招拆招，算法不断改进。

六、搜索中的一些方法

1.文容那么长，计算机如何快速查找？

例如：一条链接，如何去匹配库中的200亿条链接（100位的链接）？搜索时间非常长将会非常长。如何缩短搜索时间？

方法：减少位数。像密码一样，将连接对应成唯一的16位随机数，只要将用户输入的这个词，转换为16位的随机数后，再去查找，这样大大降低查询难度。（密码学）

2.如何获得从北京到广州最近的距离？

最笨方法：将每一条线路都计算一次。

人的思考方式：直线最短，然后，在这条最短的路线上，临近的曲折路。

方法：动态规划: 在纵向的一条路上的10个城市进行分割。去掉最不可能的结果。

原来计算方法：10的15次方 变成10x15大大降低计算量。

七、语音识别

如何让正在汽车发动时的人能清晰的接听电话？

1. 降噪：汽车的噪音频率是稳定不的，所以可以快速获得频率，然后加入一个反向的信号进行消除。

以上便是本宝宝浅浅的阅读笔记。继续拿起出本装一装。

,