zdg/
共10个网摘 [
1 ] |
访问zdg的个人空间
zdg收录，使用标签：新闻, Search, AI，时间：2008-3-29 23:47:18 | 相关网摘，我也收藏
粗略总结下的话，搜索新闻的缺陷大概体现在以下几个方面：
1，新闻源的过渡分散、部分选取新闻源质量低下。
相比人工编辑模式，搜索能聚合成千上万的新闻源信息。这给新闻聚合也带来了麻烦，过于分散的新闻源显示，让读者缺乏对内容的认可和信任感，甚至体现在源页面上。techmeme的例子告诉我们，选取更重要权威的新闻源(或提高权重度)能增加读者的信赖度，同时避免低质量内容出现。
2，新闻信息的分裂，未按读者阅读需求建立关系。
搜索通过语义分析解决了新闻信息的相关性，但在信息关系的梳理上，变得束手无策。适当的人工干预，说不定能达到不错的效果。比如，此前我一再强调的“新闻 观点”模式，其中，观点和新闻本身又被不断打散在杂志、报纸以及blogosphere等中。
3，新闻的连续性缺失。
我在前不久的“新闻信息的种类、关系和组织”中，已经谈过这一点。搜索聚合新闻，一个很大的弊端就是没有反应新闻信息本身的连续性关系和回放。搜索很方便的提供了读者到达某一条新闻的通道，但却没能力把它们按新闻事件本身组织好。
4，缺乏必要的新闻回放及归档。
5，无限接近的相关性。
注：以上所指搜索新闻，主要是基于搜索平台聚合新闻。
http://www.caozenghui.cn/?p=281
zdg收录，使用标签：围棋, AI，时间：2006-12-19 21:10:41 | 相关网摘，我也收藏
电脑围棋的挑战性在于要扩展当前的围棋理论或发展新理论——特别是与评估有关的，针对实时限制设计合适的数据结构和算法，解决知识瓶颈。目前还没有一个有 力的程序使用学习技术，尽管有过几次这样的尝试（如，Pell，1991；Schraudolph, Dayan & Sejnowski，1994；Donnelly, Corr & Crookes，1994）。回顾这些程序已经超出了本文的范围，但我们推测这些程序也没有成功，因为它们的设计者的含蓄的围棋理论缺乏对围棋复杂性的必 要理解。怎样把学习能力赋予现有的程序（或者它们暗示的围棋理论）是个等待解决的问题。
http://news.csdn.net/n/20061219/99613.html
zdg收录，使用标签：AI, Arithmetic，时间：2006-10-22 2:33:44 | 相关网摘，我也收藏
主要应用的算法有主要变量搜索(PVS)、历史启发(HH)、杀手启发(KH)、Null Move和迭代深化(ID)，可惜后来不够时间实现置换表(TT)，不然可以多一个算法了。代码里还实现了时间控制策略，可以几乎用尽20秒的测试时间，为争取更好的着法提供了保证。还有值得一提的是棋盘表示，我使用了棋盘表、棋子位置表结合的方式来表示，后来发现加上空位表的话，可以加快不少走法生成和估值的速度。反正棋盘表示是一切的基础，一种好的表示方法可以带来很大的性能提升。对于代码，大家注意class SE里的search_move和pvs两个函数，上述的算法和策略都在那里。class MG是关于棋盘表示、走法生成和估值的，class KH和class HH分别是杀手启发和历史启发。Null Move是简单有效的算法，不过我的实现里是比较简单的那种，如果有兴趣，可以查询其它资料。
http://blog.csdn.net/lanphaday/archive/2006/10/19/1341412.aspx
zdg收录，使用标签：Math, AI，时间：2005-7-23 5:17:12 | 相关网摘，我也收藏
这项工作着眼于在用户各项目之间分配稀缺的计算资源，如中央处理器处理能力、内存和网络带宽等。1998年至2005年在惠普实验室工作的研究员戴夫•克利夫(Dave Cliff)，开发了被称为“零智慧增强”[Zero Intelligence Plus(Zip)]的交易算法。2001年，纽约IBM沃森研究实验室(Watson research labs)进行了一项测试，发现IBM的MGD交易算法和Zip都胜过人类交易员，Zip在测试中表现最好。这激起了金融机构对这种技术的兴趣。Zip现在被用作衡量其它交易算法的基准。Zip算法的工作原理是，计算“连续双向拍卖”[continuous double auction (CDA)]的最佳交易策略。连续双向拍卖是多数金融市场的交易基础。在理论微观经济学中，供求曲线用平滑直线来表示，市场在供求间快速移动以达到均衡。在实际的连续双向拍卖市场上，供需曲线呈阶梯状，而非平滑，因为交易员不得不按固定单位或其倍数进行交易，如一股、一桶石油或一个单位的货币。在理论市场上，买卖双方均掌握完美的信息，而连续双向拍卖的市场则不同，买卖双方为了加强自己的地位会说谎。自动交易的早期研究已表明，是市场掌握着多数智慧，而不是交易员。这导致了多种“零智慧”(zero intelligence)交易算法的开发。但克利夫先生进行的研究发现，在某些情况下，零智慧交易代理无法达到均衡。在实际交易中，这将意味着市场失灵。“零智慧增强”(Zip)交易系统有能力利用简单的机器学习规则，向自己的行为“学习”。这项功能使交易算法得以改进自身的表现。结果，零智慧算法失败的交易，Zip算法却能取得成功。
http://zhongwen.ft.com/cms/s/30c8ab36-f487-11d9-9dd1-00000e2511c8,ch=FTChina.html
共10个网摘 [
1 ]