故事要從開始寫小玩具說起。
約莫兩年多前，因為想在茫茫好友海中找幾個人，
我用 PHP 寫了可以 parse 無名小站好友清單的 script，
起初只是不想用無名的好友選單，因為這會開太多視窗，
而改用程式 parse 好的網頁連結一個一個點開，
網頁看起來大概是這個樣子。
但不久之後我發現，若能搜集正反向連線關係將更有用，
原因如下：
- 正反向皆有連結的連線強度應較高
- 即便只看 node 的連線關係，亦可得到許多重大連線關係 (如分群或過濾雜訊)
- 好友註解資訊有資訊滲透壓，可以滲透出一個人的資訊
於是便開始蒐集資料，並發展成大四時的專題題目，
無奈資料太多、時間太少，最後計劃只得暫時擱置一旁，
至於最後的進度嘛.. 只能說很有趣，但是很耗運算資源 @@
之後用零碎的時間做出了一些簡單的應用，
像是每個人的好友反向連結清單，
或是星光幫 (現星光一班) 的好友反向連結排名，
我還為此做了簡單的統計，實驗使用這些資訊的可能。
接著又過了一段不長不短的懶得動期間，
等到想到的時候，又試著加了一些東西上去，
用了比較簡單的方式實做 ranking，結果類似這篇的截圖。
實做這樣排名的方式很簡單，
大致上，就是套用 IR 領域常用的 TFIDF 模型，
加上一些 filtering 動作與神秘參數，調整最後的權重，
最後硬是搞出了一個不大精準的關鍵字清單。
大致上，嗯.. 這個演算法真的很笨，
我想最近應該會再想想，是不是有更好的解法。
希望今年可以解掉它，再拖下去可能就真的會無限擱置了。
[posted by cornguo @ CornGuo's BLOG, of murmurs]
沒有留言:
張貼留言