2013.5.4 - KDD第十六天

昨天下午的时候中秋给我发短信＂待会儿上课吧？上课讨论下？＂，然后我回复＂嗯，好的。＂然后上课的时候中秋说那个方案也许不太好执行，因为他后来看数据了，数据库里面这种＂可以从从协同作者进行判断＂的例子并不多。所以不能只靠那个。

 

然后今天早上还
在床上没起来，就接到了瑞吉师兄打来的电话，才发现今天我们约好一起写NER的，结果被我忘了，是在非常囧。然后就跑过去了，然后找出之前写好的
代码，过一会儿师兄就过来了，跟我一起看代码，师兄的意思是在上面直接该，不过我的想法是还是重写吧，我说用状态机重写，因为之前的那个代码实在写得太搓
了，才三个多月之前写的代码，今天看起来竟然那么的不堪入目。我觉得这应该是侧面看出来我在进化吧，不过那代码看上去真是憋屈。不C++不C的，因为当时
印象中好像因为转码还有宽字符的问题在网上找了好多别人的代码段，然后拼得支离破碎的，今天实在是不好拿来见人了。不过现在情况不同了，幸好师兄对我科普
了一下，说gbk的话即使在char数组也可以有效操作。因为gbk的宽字符第一个都是负的，也就是第一字节的最高位为一。然后我就想用状态机实现，不过
一佳路过的时候听说我要用自动计就建议我最好别用自动机，因为会不好维护，我想确实也是，不过我觉得如果我把自动机画出来方仓库里应该还好。而且我觉得，
写代码最重要的是把你的心意放进去，前两天刚感写过此法分析，觉得些自动计挺简单的，而且感觉比if...else要科学些，然后就还是坚持写成自动机。
后来我就设计了一个自动计，写出来了。

 

晚上给师兄看，他说让我测试一下，测试了十几个语句，感觉没
什么问题，师兄叫我可以提交一下了，他说下一步的工作就是把预语料中的数字和字母从全角换成半角，然后再重训练一个模型。现在的训练模型的语料里面，语言
部分都是全角的，所以针对半角的输入精度会下降，因为正常我们今天输入的数字和字母都是半角的了。晚上把代码push上就走了，没办法，这个工程本身就是
很大，服务器上push一个代码都三十几k，不过今天有一点很失策就是把模型文件还有生成文件没clean就都推上去了，我还没敢跟一佳说呢，明天还得想
办法把那个扯下来。

 

所以明天的任务就是：

 

1、把纯代码提交上去；

2、把开发性注释去掉提交release版代码；

3、写脚本替换语料中全角数字和字母；

4、研究编译器代码，准备周二检查。。。