blog性别测试

http://www.sillysnail.cn/blog-gender-testing.htm

今天在杜师兄的blog上看到yodao推出了一款测试blog性别的小东西，兴致勃勃地跑去看了看，随手抓了几个经常更新的朋友的blog去测测，准确率还是挺高的。经过权威认定，蜗牛是100%的纯爷们，cool！我决定拿着这个结果去嘲笑米豆，哼，让你丫抛弃祖国~

各位八卦男女的结果都列在这里，自己对号入座，ladies first.

爱SA死性不改！

18.0%男性倾向,82.0%女性倾向 评点：明净雅致的语言让人为之倾倒，人生的感悟、生活情趣都融合在其中，自有一番细腻的心思在其间。 yodao | 博客男女

Milano 的 晶海岸

25.0%男性倾向,75.0%女性倾向 评点：文章构思曲折精巧，文字清新脱俗，婉约中透出洒脱，可谓淡妆浓抹总相宜。 yodao | 博客男女

Susan说

31.0%男性倾向,69.0%女性倾向 评点：文章构思曲折精巧，文字清新脱俗，婉约中透出洒脱，可谓淡妆浓抹总相宜。 yodao | 博客男女

☆滴落的记忆☆

37.0%男性倾向,63.0%女性倾向 评点：文章构思曲折精巧，文字清新脱俗，婉约中透出洒脱，可谓淡妆浓抹总相宜。 yodao | 博客男女

马不停蹄的忧伤

43.0%男性倾向,57.0%女性倾向 评点：文章风格清新，理性与感性兼备，简隽练达，有自然率真之美。 yodao | 博客男女

米豆就米豆

50.0%男性倾向,50.0%女性倾向 评点：文章风格清新，理性与感性兼备，简隽练达，有自然率真之美。 yodao | 博客男女

漫子の戴着耳机飞行.

56.0%男性倾向,44.0%女性倾向 评点：文章风格清新，理性与感性兼备，简隽练达，有自然率真之美。 yodao | 博客男女

锋语无阻

62.0%男性倾向,38.0%女性倾向 评点：不论语句的斟酌、信手拈来不拘俗套的观点，都给人一种豪情洒脱的形象，倜傥中有大丈夫气。 yodao | 博客男女

Never Island

100.0%男性倾向,0.0%女性倾向 评点：您的文风冷静而镇定，言语间展现出强悍的思辨能力与恢宏的胸襟，一个男子汉的阳刚形象跃然纸上。 yodao | 博客男女

雨停了

100.0%男性倾向,0.0%女性倾向 评点：您的文风冷静而镇定，言语间展现出强悍的思辨能力与恢宏的胸襟，一个男子汉的阳刚形象跃然纸上。 yodao | 博客男女

笨蜗居

100.0%男性倾向,0.0%女性倾向 评点：您的文风冷静而镇定，言语间展现出强悍的思辨能力与恢宏的胸襟，一个男子汉的阳刚形象跃然纸上。 yodao | 博客男女

下面部分涉及些许技术分析和业界观察，只喜欢看热闹的同学请飘过。

显然这是个文本分类问题，根据blog内容文本判断性别，属于最简单的两类分类问题。yodao给的描述基本上都是基于行文风格，所以我推测他们很有可能使用语言模型，也就是通过文中词汇的频率作为判据，计算文本属于某一分类的似然概率。比方说，一篇包含“粉底液”的文章比一篇包含“实况足球”的文章更可能是女生写的。

有一位朋友没有开通RSS，yodao就没能判别出来，说明他家是使用RSS提取而不是直接抓取网页内容。这样很聪明，省去了sparsing的工夫，也不用花力气去掉友情链接、广告和侧边栏等噪声，直接提取文本内容进行分析。

从上面几个小样本的测试来看，yodao这个测试的准确率有望达到90%以上，这对于开放文本测试来说算是不坏的成绩。至少比我做的好。我现在手上正在做的大作业也是用语言模型做文本分类，从搜狐抓了八万个网页来统计词频，现在也只能勉强达到85%的准确率。改天有空向yodao请教一下模型参数。

另外一个容易被大多数人忽略的是，网易从这个小游戏中可以获得大量的真实用户行为数据，也许会用于下一步研究。用户反馈是最近几年互联网炒得比较热的一个概念，旨在通过人工的标注来对网络信息获得更好的理解。

人工和机器究竟哪个能做的更好，这个一直有争议。比较广泛接受的意见是，人工比机器更准确，而机器的优势在于处理大规模数据。95年刚出现搜索引擎的时候，yahoo坚持手动收录网站并分类，挖出了互联网的第一桶金。但是三年后google通过机器自动抓取网页链接计算pagerank，迅速以惊人的准确率和召回率赢得了市场。yahoo之所以败给google，主要原因就在于人工分拣完全无法应付互联网的海量信息。但是十年之后风水忽变，大家发现机器找回来的结果正确率不能满足需求，人工标注重新获得了关注。与95年不同的是，人工标注的主体由yahoo的几十位职员变成了千千万万的网民。比方说，在搜索引擎中引入用户反馈，通过记录用户的点击行为来确定哪些网页是真正相关的，可以把搜索引擎的准确率提高一大截。

现在很多研究者希望能通过各种各样的方式吸引用户参与，提交他们的反馈，以此作为研究的样本。美国某大学教授在研究图像理解的时候，在网上做了个小游戏网站，每次游戏随机地配对两名互不相识的网友，请他们用一个词来描述某一幅图片，若两人结果相同则得分，最后排名全世界谁的得分最高。这个小游戏短时间就吸引了大量网友参加，教授轻而易举地获得了大约10万张图片的文本标签描述，真是聪明。


那么网易旗下的yodao希望通过这个小测试从用户那里获得什么信息呢？一个比较明显的收获是精确统计blog的人气。从他们主页页面右侧可以看到人气排行榜。只要能识别剔除机器人投票，由用户自发推荐的样本质量应该会优于PageRank抓取链接的推荐。其它的我还没有想到，欢迎各位IT牛人补充。

为什么要支教？

http://www.sillysnail.cn/why-to-join-voluteer-institute.htm

虽然我觉得支教完全不需要理由，不过既然这几天很多人一本正经地跟我讨论这个问题，我还是做个回答吧。如果有理解得不对的地方，欢迎各位牛人(尤其是TECC的各位牛人)指正。出于理科生的完备证明习惯，下面从充分性和必要性两方面来回答。

为什么我们应该去支教？

周四晚上在北大的TECC论坛，邀请了今年暑假支教的五个地区的教师代表回访北京，请他们谈谈对支教活动的感想。其中云南永胜县的一位老师的话给我印象很深。他说他很感激，这辈子从未想过能有机会站在中国最高学府北大的讲台上。几十年来他曾经培养出三名学生考上清华北大，这是他毕生的骄傲。他最大的心愿是希望能够让当地的孩子们继续念书，考上大学。供出一个大学生，是很多贫困家庭脱贫的全部希望所在。当地教育水平很不发达，初中毕业生升入高中的不足30%。学生基础差，老师心里十分着急。这几天来他反复问我们，如何能够帮助基础差的学生们尽快提高，考上大学？看着他殷切的目光，我感到很惭愧。我不知道有多少城里孩子能够真正理解，考上大学可以改变一个家庭的命运。很多事情我们习以为常，却是他们梦寐以求的。我们整日在自习室里慵懒睡觉，然而对很多农村孩子来说北大遥远得连想都不敢想。当我们汲汲于在核心期刊或者SCI检索上发表论文时，他们正为了课本而发愁(while i need a paper to get my master degree, he needs a piece of paper to write on)。面对这么大的差距，谁还能够心安理得呢？

我们拥有的已经很多，有义务分享给他们。

为什么需要我们去支教？

东西部的教育差距，其实比大多数人想象的还要大。成都重庆西安的发达并不能掩盖大片中小城市和农村的欠发达。

先说个轻松点的。昨天在群里看到一篇论文，甘肃省政府某某头面人物发表在当地某某优秀科技期刊上的《开拓进取真抓实干不断开创西部大开发的新局面》，英文版标题中的"真抓实干"写的是really grasp solid fuck。好笑吗？我觉得很悲哀，这说明当地的英语环境比我们想象的更差。即使考虑到政府官员的平均智商比民众普遍水平低一个量级，情况仍然不容乐观（这话可能不太严谨，因为并不是所有的官员的智商都比民众低一个量级，有的官员低两个量级）。

事实上，西部地区很多小城市和农村的教学环境很差，孩子们基本不会开口说英语，计算机更是不知所云。今年夏天去云南支教的支队为了开计算机课找遍全城，最后只在一个小破网吧里找到20台win98的旧电脑，学校里就更不可能有设备了。永胜是国家级贫困县，当地老师告诉我们，比资金更紧缺的，是有教学经验的老师。他们的学生想要学习计算机，想要学着上网查找资料，找不到人来教。

他们迫切需要我们的帮助。

又是一年一二・九

四年前刚进校就遇到一二・九合唱，exceedfang师兄带着我们在东阶西阶排练了一个月，练习校歌、《共青团之歌》和《让世界充满爱》。记得当时exceedfang说，这也许会是你们大学四年唯一一次所有人都参加的活动，好好珍惜吧。现在想想确实是这样，后来的每一次座谈、腐败和出游都多多少少缺了这个谁那个谁，只有那次最圆满。所以我一直特别怀念那次合唱，临毕业前拉了大半个班去录音棚重新录了一遍《让世界充满爱》作为纪念，算是还个愿。

记得当时的领唱是ray和周mm。班里的几大麦霸里，ray是最早显山露水的。周mm那天发挥失常，郁闷地回到寝室，接到同学电话说，刚听了你们系的合唱，第二个领唱真扯啊，为啥不让你去领唱呢？于是周mm就更郁闷了。当天的朗诵是imp，现场朗诵到一半忽然麦克风坏掉了，后一半朗诵稿几乎全是靠嗓子强行喊出来的，很强大。后来我们拿了二等奖，破掉了物理系二十年没拿奖的尴尬记录，想来多半是靠敬业的imp挣到印象分。四年后ray考入了北大光华，钢琴伴奏小白同学去了普林斯顿，imp同学去了牛津，都令人叹服不已。我什么都没做，所以现在什么都不是。回头想想，其实很多事情都早有了宿命的味道，只是当时从不曾发现。

四年后的今天，又到了一二・九合唱的日子，当年的新生们都熬成了婆。tc2003、azzuro和李铮做了辅导员，带着七字班的小孩参加合唱。中科院没有辅导员制度，由学生会负责筹备合唱，所以也勉强可算是我带(虽然基本上没出什么力)。今晚在拥挤的礼堂忙活了一晚上，又拿了个二等奖，是轮回吗？我对自己苦笑。

四年，就这么过去了。

好像确实是老了

http://www.sillysnail.cn/seems-getting-older-indeed.htm

以前每天打篮球，免费场，现在每周打网球，一小时15块钱。
以前每天回家坐在电视机前看娱乐节目，现在每天回家坐在电脑前批阅朋友的blog。
以前坚信总有一天会比乔丹高，现在想想至少还是比马拉多纳高。
以前津津有味地跟一群朋友一起看金庸和琼瑶，现在津津有味地跟一群朋友一起鄙视琼瑶。
以前一见牛奶就吐得满地狼籍，现在见到牛奶可以强忍着躲到卫生间去吐。
以前担心玩电脑游戏被老妈发现斥责伤眼睛，现在担心老妈整天对着电脑看股票伤眼睛。
以前觉得自己三国演义看十遍很了不起，现在觉得三国志一遍没看完不好意思跟人讨论三国。
以前过马路从来不看交通灯，现在即使是绿灯也要等一等再走。
以前特别反感穿西装打领带，现在不那么反感了，偶尔还是可以穿出来见人。
以前身上没带够钱买了冰棍分给哥们儿吃，自己扮酷逞英雄干看着，现在任何时候出门都要先检查钱包里的现金。
以前见到外国人远远看着不敢上前对着人傻笑，现在见到外国人立马冲上去叽里呱啦讲鸟语。
以前整天窝在家里玩游戏，现在……还是整天窝在家里玩游戏。
以前几个月才收一封email高兴得跟过节似的，巴望着天天有人给我写email才够酷。现在每天收几十封email看信回信累个半死，巴望着哪天email服务器挂掉图个清净。
以前别人叫我小黄、阿黄，现在别人叫我黄总、黄sir，汗~其实我还是喜欢别人叫我阿黄。

话说，昨天下午做志愿者带着几位边区老师去清华附中座谈，走到拐角处一个小孩冒冒失失地冲过来撞到我身上，我还没反应过来，小孩赶紧诚惶诚恐地对我说"对不起老师对不起老师"，然后连滚带爬地逃走了。郁闷，我看起来真有那么老吗？

PS:顺便打个广告，TECC今天晚上19:00在北大2教402教室招募寒假支教志愿者，欢迎有兴趣的同学来现场报名投递简历。支教费用由JPMorgan赞助提供。

诡异的好友请求

http://www.sillysnail.cn/odd-mass-of-friend-applications.htm

一直把校内网当通讯录使，只加认识的朋友，陌生人统统忽略。从不吃撑了到处发帖骗人气，从不搞乱七八糟花里胡哨的页面代码，从不跑到别人页面上讲冷笑话然后"欢迎回踩"，我在校内网上一向很低调。但是这几天忽然发现我的主页的访问量激增，而且瞬间多出来好几十个不认识的陌生人要加我为好友，仔细一看全都是ppmm，真诡异。虽说我比周节能稍微帅一点点这是铁证如山的事实，但平时也从没见那么多ppmm一窝蜂地抢着要认识我。根据以往每个礼拜顶多只有一两个陌生mm(还不全都是pp的)加我的数据作为样本进行统计学习，假定这样的好友请求在时间上满足等概率均匀分布，我计算出忽然出现10个ppmm同时加我的概率是C(1,10) * (1/10) ^ 10 = 1E-9，也就是说每两千万年才会发生一次，基本上可以判定为小概率事件。这让我感到百思不得其解。

严肃的说，不是炫耀贴，我现在非常怀疑是不是某个仇家把我的名字和照片贴到水木的PieLove/鹊桥版去了。