如何撰寫論文

轉自http://mmdays.com/2008/12/29/start_of_thesis/

好文章，正在寫論文的大家可以看看哦:D

Regular Expression

因為寫程式的時候會用到，分享給大家。

Java Regular Expression的學習筆記
http://www.javaworld.com.tw/jute/post/view?bid=20&id=130126&sty=1&tpg=1&age=0

How to use ANNIE system？

使用ANNIE system的影片：movie

1.開啟GATE 4.0後的畫面


2.點選A這個圖示，選擇default


3.建立文件


4.輸入文件名稱和網頁URL


5.將文件轉成Corpus


6.選擇要執行的Corpus，按下Run

ANNIE system

1.GATE-Home
2.User Guide
3.GATE-Example Code
--StandAloneAnnie.java
4.Interface ANNIEConstants

What is Weka？

1. Weka-Wiki
2.Weka software

最近跟登凱學長討論到程式寫作上的流程
發現學長懂得好多，顯得自己了解的太少

學長建議我可以利用建立好的feature，找出每個token的屬性
將資料丟到weka中做分類，最後再將BIE結合起來

一定要撥空閱讀。

名詞解釋

True/false Positive/Negative

有關true/false positive/negative定義。

Type I errors (the "false positive"):
the error of rejecting the null hypothesis given that it is actually true; e.g., A court finding a person guilty of a crime that they did not actually commit.

其中false positive又為false detection 或是 false alarm

如果以地址來解釋，地址沒有多餘資訊或不完整，系統卻判別出不完整

Type II errors (the "false negative"):
the error of failing to reject the null hypothesis given that the alternative hypothesis is actually true; e.g., A court finding a person not guilty of a crime that they did actually commit.

地址有多餘的資訊或不完整，但系統判定卻是完整的。

不知道這樣作解釋對不對@@？

Precision and recall, F-measure



precision = tp/(tp+tf)
recall = tp/(tp+fn)

What is C4.5？

之前看過C4.5，一直沒機會好好了解
最近閱讀的這篇文獻，裡頭也用到了C4.5
以下是文獻中的參考資訊：

1. C4.5: programs for machine learning
2. Induction of Decision Trees 1
Induction of Decision Trees 2

Machine Learning Summer School Video

先前老師提到的相關影片，希望找個時間好好了解一番
畢竟自己對這方面不是很熟悉，有現成的教材可以使用，當然要好好利用 :)

Machine Learning Summer School 2006 - Taipei
http://videolectures.net/mlss06tw_taipei/

林智仁教授-Recent talks
http://www.csie.ntu.edu.tw/~cjlin/talks.html

Support vector machine (SVM)

利用pattern找出資訊片段之後，接下來要利用的machine learning方法
找了一些相關的知識來閱讀

SVM-Wiki
Machine Learning for Sequential Data: A Review

【知識】Hidden Markov model

Hidden Markov model
HMM不負責講座
someone's blog

【知識】Machine Learning

機器學習(Machine Learning)是研究電腦怎樣類比或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。它是人工智慧的核心，是使計算機具有智慧的根本途徑，其應用遍及人工智慧的各個領域，它主要使用歸納、綜合而不是演譯。


學習能力是智慧行為的一個非常重要的特徵，但至今對學習的機理尚不清楚。人們曾對機器學習給出各種定義。H.A.Simon認為，學習是系統所作的適應性變化，使得系統在下一次完成同樣或類似的任務時更為有效。R.s.Michalski認為，學習是構造或修改對於所經歷事物的表示。從事專家系統研製的人們則認為學習是知識的獲取。這些觀點各有側重，第一種觀點強調學習的外部行為效果，第二種則強調學習的內部過程，而第三種主要是從知識工程的實用性角度出發的。


機器學習在人工智慧的研究中具有十分重要的地位。一個不具有學習能力的智慧系統難以稱得上是一個真正的智慧系統，但是以往的智慧系統都普遍缺少學習的能力。例如，它們遇到錯誤時不能自我校正；不會通過經驗改善自身的性能；不會自動獲取和發現所需要的知識。它們的推理僅限於演繹而缺少歸納，因此至多只能夠證明已存在事實、定理，而不能發現新的定理、定律和規則等。隨著人工智慧的深入發展，這些局限性表現得愈加突出。正是在這種情形下，機器學習逐漸成為人工智慧研究的核心之一。它的應用已遍及人工智慧的各個分支，如專家系統、自動推理、自然語言理解、模式識別、電腦視覺、智慧型機器人等領域。其中尤其典型的是專家系統中的知識獲取瓶頸問題，人們一直在努力試圖採用機器學習的方法加以克服。


機器學習的研究是根據生理學、認知科學等對人類學習機理的瞭解，建立人類學習過程的計算模型或認識模型，發展各種學習理論和學習方法，研究通用的學習演算法並進行理論上的分析，建立面向任務的具有特定應用的學習系統。這些研究目標相互影響相互促進。

Netvibes

Netvibes

這個平台感覺也蠻不錯的
比起igoogle，Netvibes的整體感比較吸引我
不過還在摸索當中

Google API

Google API
http://code.google.com/apis/

HTTP通訊協定的特性

HTTP是一種在Client/Server架構傳送資料的通訊協定。

特性：
˙HTTP通訊協定並不會持續保持連接：當瀏覽程式提出request時，才會建立連接，在請求後就
斷線等待回應，每一次請求和回應都需要先建立連線。
˙HTTP通訊協定不會保留狀態：因為HTTP通訊協定並不會保持連線，所以連線時，
Client/Server端互相知道對方，一旦請求結束，就互不相干。
˙HTTP通訊協定與資料型態無關：任何種類的資料型態，都可以透過HTTP通訊協定來傳送。