百度如是说——中国两百强流行歌手关系

刘思喆 — Tue, 17 May 2011 15:21:59 +0000

话说到，前段时间给某省移动公司做无线音乐交叉推荐项目，做的事不亦乐乎。且不说涉及的数据挖掘的算法，单说歌曲这玩意儿有关的一些有趣的话题，就挺让人兴奋，比如：

什么歌曲好听？能不能按照既定规则作曲，就能得到好歌？
歌曲有风格的，且风格是有限的。这个风格如何定义？
歌曲是对应歌手的，一个歌手的所有歌曲是不是对于单个听众来说都是好的？
歌手的风格有类似，那些比较相近？

这么多问题，假如有相关数据，其实都是可以通过数据挖掘的算法来给出答案的。最后一个歌手风格问题，假如能穷尽所有歌手之间的关系，没准能得到一些提示？于是乎，开始着手找数据，琢磨如何搞定这个事情。

问题有很多：

歌手的范围如何界定？是中文、英文、日文、韩文、法文等一起考虑，还是一个语种一个语种的考虑？
歌手列表如何获得？
歌手间的关系如何获得？如何衡量歌手的关系？

网上搜了一下，发现百度可以给答案，它说：

列表：http://list.mp3.baidu.com/top/top200.html
关系：搜索两两歌手的网页数即可，即可代表二者的关系强弱（假设网页数多，即关系紧密）

于是乎，就这么办了（请新建标签页浏览图片）：

百度top200歌手关系

很有意思的结果，有几点提示：

歌手后面的颜色点是歌手的分群（同群的风格相似？）
歌手间的线代表了两者间关系强弱
前200的歌手剔除掉了《信》和《黎明》二位（这俩哥们的搜索干扰太大了）

解释的话，我这儿就省了。仁者见仁，智者见智。反正这198位歌手，我还有几十个不认识，像什么格格、小雪、大嘴巴之类的，还有什么飞轮海啥的，我的偶像集中在上个世纪，呵呵。

http://www.bjt.name/2011/05/baidu-singers-relationships/

Google，其实不想走

刘思喆 — Wed, 13 Jan 2010 16:15:06 +0000

以前就想写一篇博客，讲述 Google 给我们生活带来的便利，这不，再不写，也许再也没有机会了。

为什么说没机会了，是因为 Google 官方博客的一篇文章——A new approach to China（抱歉，因为是订阅的内容，已经被墙了，我实在不能找到链接，不过可以访问这里，中文翻译的和原文），也许真的有一天 Google 会撇下我们。

说到 Google，感慨颇深。以前在人大读书的时候，受舍友影响，从来不知道有其他的搜索引擎，不论干啥，第一反应就是 Google 之。后来，Google 进入中国，正式提出”谷歌“的中文名称，当时我还笑话 Google 的中文名太傻。而现在呢，患有严重的 Google 依赖综合征，算是交代了。

www.google.com 最适宜对英文资料的搜索，很多童鞋对 google.com 和 google.cn 感觉一样，实际上是有区别的。用一句很低俗很低俗的话来说就是，google.cn 是被阉割过的 Google（虽然仍然比 baidu 好很多）。举个最简单的例子，google.cn 是没有账户信息的，也就是说，你不能通过 google.cn 来登录 Google 的服务。而且似乎在中国，在浏览器中使用 Google 会默认指向 Google 中国。再换句话说，我们一般会把 Google 认为是一个很普通的搜索引擎，但实际上如果登录 Google，会发现别有洞天。

下面我列举一些每天相伴我的，便利的 Google 服务：

资讯类：

Gmail：Google 的一款优秀的 mail。还记得最早 Google 开放邮件系统，没有独立注册的地方，必须通过其他人邀请。
Google Reader：每天开电脑后，要做的第二件事（第一件事是 foxmail 收取 gmail）。信息需要捕捉，使用书签记录互联网信息那是 web1.0 时代，现在我们有 RSS，Google Reader 可以带领我们翻墙去学统计，sigh！不过有个问题就是，如果你恰好在某个站点看到了一个很好的文章，而上面又有一个pdf链接……点击，浏览器报告错误链接……噢，那是在墙外。哪位童鞋有好办法解决，请告之。
Google Group：顾名思义，是小组讨论的论坛，很多志同道合的童鞋发言交流思想的地方。比如，申请了 TopLanguage，COS R Team 等，不过我更倾向把它归为 maillist 的一种，就和 R 的Mailing Lists 一样。
Google Alert：Google 中国翻译成“快讯”，恰到好处。它能告诉你每天最新发生的事情，当然发生的事情是你用关键词来定义的。

办公类：

Google Notebook：真正意义的互联网笔记本。
Google Docs：美国华盛顿特区政府官方使用的办公软件。挺好的，国内不知为啥又被封掉。
Google Talk：非常适合办公环境的即时聊天软件，聊天记录保存在 Gmail 帐号里，支持语音功能，同时有 gmail 邮件通知。
Google code：直接参考 R 的 sqldf 包 http://code.google.com/p/sqldf/

网站类：

Google Analytics：做网站的朋友肯定对它非常熟悉。
Google calendar：日程，合理规划时间是成功的必要条件。
Google Site 和 Google pages：功能上感觉比较类似，都是用来做站点的，但都不能用了，sigh again!
Goolge Picasa：图片分享，也不能用了
Google blog：其实挺好的 blog，由于众所周知的原因，被封了（偶尔也会能上）。唯一可惜的是，上面有很多不错的统计资源。

软件类：

Google 输入法：拼音输入法，表现中规中矩，可以同步用户词典。
Goolge 浏览器：感觉和 firefox 差不多，当然远远比 Internet explore 好很多很多辈（强调一下——不是倍）。
Google 词霸：自从有个这个，我就不再买正版的金山词霸。配合 neospeech 的 TTS （text-to-speech），挺舒服 ^_^
Google Earth：这个就更不用说了吧，我能通过它找到我家屋顶。

我这里只是简单了列了一下常用的 Google 服务，像一些比如 Google 学术搜索、Google 生活搜索、地图、桌面之类的我都没有提到，但它们都在或多或少的影响着我们的生活。

还是那句话——我患有严重的 Google 依赖综合征。

刘思喆 @ 贝吉塔行星 » baidu