准备步骤：
已经刷机成3.52 M33（对应旧版PSP）或是3.60M33（对应新版PSP）PSP一台，如果符合要求的话需要将PSP升级到相应的版本
点此查看3.52 M33升级教程（对应旧版PSP） 点此查看3.60 M33升级教程（对应新版PSP）
对应PSP的USB连接线一根
未损坏的记忆棒一根，当然它需要装到PSP上
能上网的电脑一台（对于这一点，当你看到这篇文章的时候我想应该没有大问题了）

操作步骤：

1.首先下载3.71 M33的安装文件以及官方3.71升级补丁；

3.71 M33安装文件点此下载
索尼官方3.71升级补丁点此下载

2.将下载的文件解压缩；

3.用USB连接线将PSP与电脑连接起来，在PSP上选择USB Connection连接USB，把3.71 M33的安装文件包中的文件夹Update拷贝到PSP记忆棒上PSP文件夹下面的GAME中（如果没有的话就新建一个。把索尼官方的3.71升级文件重命名为371.PBP，然后拷贝到Update中；

3.71M33-3补丁升级教程（完善PS模拟器）

3.71M33-4补丁升级教程（支持多盘PS游戏模拟）

4.在PSP上运行PSP™ Update ver 3.71

5.程序会检测电池电量，如果电量低于78%的话是无法升级的，会自己跳回到PSP界面，在这个版本中没有了之前跳过电量检测的设置，所以只能先充好电。程序在校验一些文件的完整性后就会询问是否升级，按×开始升级；

6.在这里M33和我们开了个不是玩笑的玩笑，按下×后在经过短时间的黑屏后，程序退出，回到了熟悉的蓝色界面。自动退出了？不对，是自动进入官方的升级界面。

7.本着对M33和Dark Alex的高度信任，按○继续下去，接下来一切都和官方升级一样了，按右键下一步；

8.选Accept然后下一步；

9.再下一步；

10.下一步；

11.开始升级；

12.升级结束了，一切都和官方一样，接下来记得要按○，然后PSP自动关闭了；

13.再开机，不要怀疑，确实是M33的自制系统；

14.看到这个应该放心了吧。游戏引导正常；

15.需要1.5系统支持的PSP Filer运行失败；

　　至此，3.71 M33的升级就结束了，你可以体验一下3.71里面的新功能了。

注意事项：

1.3.71 M33和3.60 M33一样没有1.5版系统核心的支持，所以一些自制软件可能不能正常运行，如果你对自制软件有需求的话请等待官方的兼容插件，或是使用支持2.xx以上核心的版本；
2.新的系统在各个语言包括中文界面使用上没有问题，可以放心使用；
3.恢复菜单依然存在，不过选择Game文件夹的核心支持的项目已经失效了，并且依旧显示的是3.52的信息；
4.关于按键失去相应的情况，目前已经收到反应的情况是如果使用并开启了金手指插件将可能导致按键失灵；
5.在这里我们也提供了一下官方已经准备好的自定义主题供大家体验。
6.M33就是Dark Alex，真是电影一样的剧情，一定有很多故事可说。
7.最重要的一点：第12步一定要按○或是×关闭PSP，不要手动关闭，否则你将得到一块转头。

　　新的自制系统安装需要在原有3.71M33自制系统的基础上完成。

3.71M33-4更新内容：（由网友 franklee628 翻译完成）

　　- 修正Bug：在PSN购买的多碟PSX游戏由于格式的不同不能运行，M33将这些游戏认为是解密过的，现在修正了这个错误

　　- 添加对解密多碟PSX游戏的支持，内附Popstation_MD工具（压缩包内提供）

　　此压缩包内的popsloader插件已经更新

Popsloader更新如下：

　　- 修正Bug：使用之前3.72版本的poploader，未压缩过的游戏会有音效问题，现在修正了
　　- 添加对popstation_md创建多碟ps游戏的支持（如何创建多碟PS游戏？点击查看多碟PS教程）

　　注意：多碟游戏只能运行于3.71和3.72的popsloader，当你尝试在其他版本的插件上运行多碟游戏的时候，会显示错误0x80000004

准备步骤：

　　PSP主机（老版新版均可）一台，系统为3.71M33（刷机教程）或者3.71M33-2 3.71M33-3（刷机教程），USB连接线、可用的记忆棒、电池电量充足。

　　最后还要有一个胆大心细的你！

查看系统版本：

　　如何查看自己的系统版本：

　　打开PSP，依次进入"设定"-"主机设定"-"系统信息"，出现如图的界面。其中"系统软件"后的数字为PSP的版本号。截图中的PSP系统版本为"3.71 M33-2"

　　PSP开机进入"USB连接(USB Connection)"，用USB数据线把PSP和电脑相连，这时电脑里将出现一个移动磁盘。

安装步骤：

　　1.下载3.71M33-4升级补丁。电玩巴士本地下载 论坛分流下载１ 论坛分流下载２。拷贝其中的Update目录到PSP记忆棒中的PSP/GAME目录下。如没有该目录则请使用PSP格式化记忆棒，该目录即会自动生成。

　　2.打开PSP，运行"3.71 M33-4"程序。等待提示文字出现之后按×开始升级。

　　3.系统会自动更新文件，更新完毕之后会自动重启PSP。这时你的PSP已经变成3.71M33-4了。

关于升级之后无法玩ISO游戏：

　　请在XMB菜单下点击Select键呼出"M33 VSH Menu"菜单，将其中的UMD ISO MODE 设置为M33 driver。或者直接将UMD引导盘塞入PSP主机中。

升级中出现问题？点击查看拯救在无神奇电池的情况下刷PSP3.71M33版100%成功法

3.80M33-5自制系统升级教程（该系统目前并不完善，非电玩巴士推荐稳定系统）

首先我们要祝贺轻便版PSP（PSP-2000）上市两周在日本的销量已经突破50万台，再加上最近PSP上大作不断，看来正如我们所盼望的，PSP已经全面复苏。

言归正传，回想我们刚刚入手PSP时无不为"他"帅气所倾倒，尤其是XMB界面更是觉得异常帅气，加上动态的波浪背景，整体感觉科技感十足，不过久而久之也难免产生视觉疲劳，失去了原先对于XMB界面的新鲜感。这时便有许多国外网友通过研究PSP的系统文件找到了其中图标等资源文件，从而掀起了大规模的PSP界面主题的DIY风潮，更换壁纸，替换文件图标，修改按键音，更换开机动画，美化波浪线等等，可以说通过大家的努力，PSP的XMB被完全改头换面，让追求个性与时尚的玩家们爱不释手。

破解系统下的非官方超炫主题

但以上提到的这些都需要在破解过的系统下才可以实现，并且还有一定的风险，操作不当就会导致PSP无法开机，所以PSP的自定义主题一直无法被搬到台面上来说，而Sony官方也一直没有停止与PSP破解黑客的斗争。

不过这种情况似乎完全没有被遏制的迹象，所以随着这次新版PSP出现的官方新系统程序3.71中居然加入了官方自定义更换主题功能，想必Sony也是看到了广大网友对于自定义主题的喜爱与需要。

3.71版本的官方主题功能支持

现在我们终于可以在完全不触及法律的情况下自行更换我们喜欢的主题了，小编马上就为时尚爱酷的你精选了30款官方美化主题格式的文件，让你轻松自在的个性你心爱的小P。

更换主题提示，选择是就对了

此次Sony官方支持的美化主题文件格式为.PTF，文件大小上限为510k，不过无论是从官方提供的还是网友自制的.PTF文件来看一般都在300k左右，所以几乎不会占据多少你那原本紧张的记忆棒空间，使用方法也非常简单，在记忆棒的根目录新建一个名为THEME的文件夹，然后只要把所有.PTF主题文件放到这个目录就可以在XMB的主题选择中看到这些样式各异的美化主题了。

来自SCE官方的十款主题文件

1、ClassPink

2、Cookies

3、Lemmings

4、Wipeout

5、PursuitForce1

6、PursuitForce2

7、PursuitForce3

8、PursuitForce4

9、PursuitForce5

10、PursuitForce6

看过10款官方主题之后，小编再为大家奉上个人非常喜欢的两款国外网友自制主题，漂亮的没话说。

1、Simply Black

2、Desenger

上述12款.PTF主题文件打包下载

今天的的这些漂亮的官方格式主题就先介绍到这里，以后小编还会陆续为大家带来各种好看的主题，并且还会为大家介绍如何自制.PTF官方格式美化主题的方法，大家不要错过，我们明天见！更多精彩资讯尽在泡泡软件频道。

Powered by Zoundry

Powered by Zoundry

随着网络时代的飞速发展，越来越多的传统媒介已被网络取代。如今，中国的网民量已经突破了一亿，不论是否从事IT行业，每天到网上浏览新闻、查阅资料、收发信息已经成了一部分网民的习惯，并且有将近8000万的用户体验过网络交易，有300万家商户在网络上每天乐此不疲地进行营销和采购。
如果您是一位网络爱好者，并有充足的在网时间，我建议您首选网上开店！究其原因，从下面几个方面来聊聊：

其一、自己开网店，可以拥有一个独立的域名，拥有具有个人品味的产品，包括网站页面的外观、风格，这一切都体现着自己的形象及实力，是一个能够在网络上无拘无束地展示自己敏锐创意和聪明才智的良好平台；并且，在销售产品的同时，您也宣传了自己的域名，将客户带到这个平台之上，先不说成交量有多少，起码，可以提高站点的流量，网站的知名度提高了，就不愁吸引不了客户；

其二、网上开店没有年龄、职业、民族、地区等界限。既便您是一位在职工作人员，同样适行。忙碌的八个小时之外，再与网络接触时，无非就是毫无目的，浪费精力、时间的网上乱逛，，何不把网上开店提到日程上来呢。一个自己构建的小店，处处都彰显着个人特色，不需要去雇用人手，也不需要自己时时刻刻都呆在店里，只要每天抽空上来查查订单，与一些店友、客户交流一下，及时把握他们的需求，就能把生意做成，其乐融融，也不失为休闲放松的一个好方法；

其三、网上开店不需要投入太多的资金。电脑是个必需品，此外，配上一台用以联络客户订单的传真机、一台将实物传到电脑里的扫描仪，一部与外界沟通的电话，您就可以开始操作了。既免去了选店址、装修门面的劳累之苦，还免了昂贵的店面租金，也不必东奔西跑地办理各种证件，省心省力何乐不为？

其四、一根宽带线连接着全世界千千万万的用户，有卖家，就会有买家，只要您的货源充足，并且宣传到位，客户源是不可估量的；

其五、自己开店，您的数据库，商品资料、订单资料、包括客户资料都是独立的，不必放在他人平台上；

此外，您的各种硬件设施都是一次性投入的，搭建好这个销售平台后，只要用心经营，时间越久您获得的收益就会越来越大，并且，是您自己的网店，其收入与开支都可以自己控制，将成本降到最低，这样收益不是更大了么。

说了这么多，现在的你是不是已经心有所动了呢？先从理论上开始，抓住要点，打好基础，相信您一定会成为网络店铺中的姣姣者。接下来，就跟着我一起开始您的开店之旅吧。

（待续）
教您如何开网店（二）

上一节主要讲到了网上开店的便利及好处，有这些理论助威，现在的你是不是跃跃欲试了呢？不要着急，一步一步来，才能把千头万绪理个清楚哦。
网上开店，首先要确定有一个属于自己的小站，搭建起这个平台，然后才可以开始下一步的旅程，那么今天就聊聊有关网站的各个方面。

1.域名选择

一个好的域名就像给企业或产品建立品牌一样，它代表着一个高质量网站的存在，越是方便记忆，其价值就越高。人们通常都不愿意通过搜索引擎去寻找一个不方便的网址，大多数人宁愿通过猜测或者尝试合理的域名去连接以便到达他们想登陆的网址。如果一个域名本身就便于记忆，那么它的流量自然就会增加。除了通用的名字，一个域名简短、容易发音和方便记忆都可以认为是它的价值。并且人们常常会通过你的域名来判断网站的内容或价值，如果你的域名能反映出你网站的关键业务又能让人们了解到你网站与其他人的不同，那么您已经走好了第一步。

虽说现在可供注册的好域名正在不断减少，但是在选择时，还要注意选择一个与自己网站内容或品牌相对应的域名，不仅容易记忆，而且说出来也可以增加自己的可信度，是网站的核心部分。拿电子商务指南（http://www.eczn.com）来说，ec 代表的是电子商务，zn 是"指南"拼音的首位字母，这样一个站点，上口又好记，流量自然是与日俱增的。此外，网站的域名不易太长，其意不讲自清，大长当然就不好记且容易记错。

2.有了一个好的域名，接下来就是建立网站

需要考虑的是租用一个虚拟主机网站用于放置您的网页内容，当您选择好一个网站方案后，要找到合适的因特网服务提供商(ISP)，同他们沟通建立网站。ISP最基本的服务应包括：至少100兆的磁盘空间，每个月2000到3000兆的信息传输量，至少一个电子邮箱账户、一个数据库、每日的备份支持和网站制作工具等。

接着把网站内容丰富起来，你就可以开始自己的经营了。

当然，这是一个方面，是对个人创建的店铺来说的，同时，您也可以选择一个公众的交易平台，比如到淘宝、易趣、阿里巴巴里面注册，上传产品照片，并考察市场，给产品一个合理的定价，备好等收汇款的银行卡。

网上开店，您就已经迈出脚步了。

教您如何开网店（三）
不管是自立门户的个人运作还是其他大型网站的注册会员，要想经营自己的小店，货源是必不可少的东西。考虑到网络与现实的差异性，卖什么会更吃香呢？又如何能找物美价廉的物品呢？

至于"卖什么"，我认为这一定要根据自己的兴趣和能力来确定。尽量避免涉足不熟悉、不擅长的领域。同时，要确定目标顾客，从他们的需求出发选择商品。目前，网上行走的主要人群集中在年轻人和白领一族，这就需要在结合自己兴趣的同时，了解主流网民的基本特征，再根据自己的资源、条件，选择货物。独具特色的店铺到哪里都是受欢迎的，如果能寻找到切合时尚又独特的商品，如自制饰品、玩具DIY、服饰定做等商品或服务，将是网上店铺的最佳选择。

确定好了卖什么，接下来就是要组织货源。进到物美价廉的物品，可以给你带来更多的效益，如何进到，不下一番功夫实地考察是不行的。

首先，要密切关注市场变化，充分利用商品打折找到价格低廉的货源。对于新手，更是不要把毛利润看得太重，刚起步，不要贪图赚太多，可以尝试用物美价廉的便宜货先吸引买家，能在这些小产品上把服务做出色，赢得客户的信任，等你的小店越做越大时，就不愁没有回头客来捧场了。

其次，与批发商面对面。经销商是商品流通中的必要环节，但对于零售商来说，进货的最好渠道还是在批发商那个庞大的市场里，从经销商那里批货，等于走的二到手，甚至是三到手，在保证自己的利益后，他们才会批给你，这样一来，其价当然较批发商稍高。话又说回来，经销商不分过多限制你购进货物的数量，但到批发商那里，若没有一定的量，人家是不会批给你的。

此外，也可以关注下外贸商品，如果能直接从工厂里拿货，再转到小店里来售，其利润也是相当可观的。

其中的方法、技巧当然还有很多，得靠你亲自去体验去积累，才能转变为自己好的经验。临驻笔之前，我再提醒您一句：与其有时间在电脑前对着屏幕大叫进价太贵，赚不了多少，倒不如去市场里好好逛逛，说不定就会有新发现呢。既便宜又有质量保证的物品，只要被你淘到了，想不赚钱都不行呢

(待续)

教您如何开网店（四）
建好了网站，确定好了目标，也采购到了货物，下一步要做的当然就是开始卖了。但是互联网里讯息万千，谁会知道你的存在，又怎样让别人知道有你开的这间小店呢？要想让大家认识你，认识你的网站，这就需要运用各种方法进行推广，宣传自己。
　　讲到推广，好多人认为就是打广告，这样说没错，但是不全面。印象中的广告是打在电视、报纸或灯箱上显著的位置，以此来吸引路人的眼球。应用到网上开店里面，这种方法就显得有些逊色了。店面开在网上，目标群体多数也是活动在网络上的人们，试问，在网上就能阅览天下信息，还有几个人会对报纸上的广告记忆犹新呢？这就要区别开传统媒界与互联网的不同。

　　毕竟，店是开在网上的，所以说要充分利用互联网来为自己做宣传，这点应该是网上开店成功推广的前提。

1.交换友情链接

　　为了提升自己网店的人气，增加流量，在准备开店之时就应该多留意一些与自己网店内容相关或相近的网站，特别是那些流量高人气旺的，可要细心收好喽，等自己的小店建成之后，就可以与他们谈链接的事情了。当然，建店初期，别人可能因为你的网站没有流量而不予理会，这就需要你放下姿态，诚心诚意地与他们交谈，只要心诚，再加上自己已在小店里做好了他们的站点链接，相信你的网站也会很快出现在他们的站点上，相互宣传嘛：））

2.校友录宣传

　　大凡离校园没多时的你都有自己的校友录吧，有没想过要把它合理利用起来呢？走上前去，告诉你的同学、朋友，自己开了家网店，不但能让师友同你一起分享开店的喜悦，同时也等于是聚集人气了，说不定还有他们心仪的产品呢，如此，又拉了一批潜在客户。

3.印制名片

　　也许你会说，既然大多是在网上宣传的，大家谁也见不到谁，做名片岂不是浪费成本吗？错！店虽是开在网上，但你是生活中的你，给买家邮寄宝贝也是在现实中进行的。设计一张独具个性的名片，印上自己的联系方式和小店的地址，在邮寄时不妨放几张进去。因为外观设计精美，买家自舍不得丢弃，如有机会，对方一定会将它展示给别人，这样，等于说是在帮你做宣传了。呵呵，细节之处，就看你会不会想得到了。

4.运用关键词排名

　　就是所说的SEO技术。可以与一些做网络推广优化的公司合作，请他们为自己的网店出个方案，全面提高网站排名。排名靠前了，被客户搜索到的几率也就增加了数倍，同时也发展了许多潜在客户，只要在你的网店里对了口味，有他们需要的东西，就不难让他们成为你的准客户。通王信息技术有限公司就是一家致力于网络营销研究、策划的网络公司，王总王通先生近期的一本专著《搜索引擎排名秘笈》，详细介绍了如何优化网站，提高排名，有兴趣的朋友不妨到http://www.seo.net.cn里看看哦，技多不压身，多学点肯定对你宣传网店有好处的。

Technorati : 网店
Del.icio.us : 网店
Ice Rocket : 网店
Flickr : 网店
Zooomr : 网店
Buzznet : 网店
Riya : 网店
43 Things : 网店

Powered by Zoundry

信噪比是一个用来衡量网页里关键词的信息是否超过一定的阈值的关键：

网页信噪比（Significant）

一个网页针对不懂的搜索词有一个信噪比的概念，信噪比Significant的定义如下：
Sig=(Sqrt(Ns)/(Sqrt(Nb)))*Log(Nb)
Ns为被搜索词出现的次数，Nb是背景项，是指总共这个网页里包含的词汇量。

这是针对单个搜索词语而言的， 如果针对多个词语，通常是采用
Sig=Sigma(Sig_i)，这个Sig_i是第i个词汇的信噪比。

通常的情况下如果一个网页的Nb背景项将相对稳定，可以采用Nb＋Ns来代替。

博索的网页自动分类引擎是第一个在线计算网页信噪比的在线搜索引擎，可以根据booso的结果进行整理分类，可以知道为什么在搜索引擎里那些拍名最靠前的网页能够上榜的原因了。
上图绿色表示权重,粉色表示信噪比

Powered by Zoundry

1] 博客的分类机制比较稳定，这是因为一般的blogger都将自己的blog分成了几个类别，那么这样基本上在用户进行发文章的同时已经进行了最基本的筛选，相对类别就比较容易计算。

2] 博客的世界里常常关心的是最新的最具有有意思的一些新闻的突发的时间，而这些又是大家进入搜索引擎寻找乐趣的目的之一。

3] blog的维护者经常更新网页，这样就会使得一个网站的死网页的个数少，有利于爬虫的效率。

Powered by Zoundry

既然没有"新闻爬虫"这个概念，我就将其定义为"News Crawl"，这个News Crawl与以往的爬虫和蜘蛛有什么不同？难度何在？有和意义？

1] 新闻爬虫是机器爬虫，仍然是按照以往的爬虫程序进行运行，但是不同之处如下：
只爬固定的新闻站点，或者某个站点的某一个 directory 下。这样确保新闻的来源
爬虫对新闻站点进行分类／权重的计算是 机器＋人工 参与的
爬虫对新闻的抓取要频繁的多
爬虫要对新闻网页里面的垃圾（噪音，例如广告，无用的联接）信息能够精确的处理。

2] 以往的爬虫是一股脑的抓取，而新闻爬虫的Parser的难度要求是核心了。这点上基本上要用AI的一些技术放进去进行智能的分析。

3] 以往的新闻网站，例如新浪，搜狐，都是进行人工编辑，无论在人力上和时间上都有大量的浪费和延迟，因此新闻爬虫的好处不言而愉，就象有无数的机器编辑在帮网站进行浏览，提取，寻找新闻，当然新闻来源要快的多而且剩力得多了。

可惜的是，AI(人工智能)发展到今天，连一个网页的摘要都不能产生，因此在一定程度上看来还仍然需要人工的参与。

Powered by Zoundry

"平移算法"非常简单易用，就是比较两个文章／字串中最高的重叠率和平均重叠的长度。
例如我们有两个文章的标题：

"报告显示中国ip视频通信应用早于西方国家_通讯与电讯_科技时代_新浪网"
http://tech.sina.com.cn/t/2004-12-01/1231468255.shtml

"权威机构调查显示中国ip视频通信应用早于西方_搜狐it"
http://it.sohu.com/20041201/n223268718.shtml

以上两个新闻是转载同一来源，但是略做了更动，根据平移算法，我们固定一个字串，然后将另外一个字串从末尾对应第一字串的开头进行平移，然后计算两个字串之间的交集。如果字符完全一样则为1，不一样为0，将所有的值加起来。

"________报告显示中国ip视频通信应用早于西方国家_通讯与电讯_科技时代_新浪网"
"权威机构调查显示中国ip视频通信应用早于西方_搜狐it"
0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0"

可以看到当B和A平移到一定的位置的时候能够找到最大的重叠度。上例是14个连续字符。

相识性：AB重叠部分／（A的长度 ＋ B的长度 - AB重叠的长度）
14／ (33+25-14) = 31%

一般超过20%即可判断为相同主题或者是转载同一来源。

平移算法的功能：

1] 实现对高度相识性的文章进行识别。转载，来源的识别。

2] 可以发现主题，发现核心内容。

例如实现匹配的部分，上例是

A&B = "中国ip视频通信应用早于西方"

是完全匹配的部分，就是相识文章的最核心的内容。

Technorati : 平移算法简介
Del.icio.us : 平移算法简介
Ice Rocket : 平移算法简介
Flickr : 平移算法简介
Zooomr : 平移算法简介
Buzznet : 平移算法简介
Riya : 平移算法简介
43 Things : 平移算法简介

Powered by Zoundry

Larbin只是一个爬虫，也就是说larbin只抓取网页，至于如何parse的事情则由用户自己完成。另外，如何存储到数据库以及建立索引的事情 larbin也不提供。

latbin最初的设计也是依据设计简单但是高度可配置性的原则，因此我们可以看到，一个简单的larbin的爬虫可以每天获取５００万的网页，实在是非常高效。

2] Larbin的性能特征
高效是我对 larbin 的评价。
今年四月份的时候我对larbin的性能做过一个测试，luliang.dhs.org是我自己常用的服务器，CPU 为1G，内存512，其它的性能一般，因为是三年前购置的。

我将我自己的网页 六翼作为入口，运行larbin进行５层内的url的抓取。

当时纪录的一些数据：
Internet IO: 500-700k/per second （我想大约我的网络下载的瓶颈了吧）
CPU top: 5%-15%
disk consume: 1M/s ，基本上一个小时爬 3个G 的网页。差不多20万的页面
url 解析: 200万－300万每小时

3] larbin 的作用
很多人初见 larbin 不知道从哪里下手，那么我来简单介绍一下 larbin 的功能和实际应用。
1. larbin 获取单个、确定网站的所有联结，甚至可以镜像一个网站。
2. larbin建立 url 列表群，例如针对所有的网页进行 url retrive后，进行xml的联结的获取。或者是 mp3 。
3. larbin 定制后可以作为搜索引擎的信息的来源（例如可以将抓取下来的网页每2000一组存放在一系列的目录结构里面）。

总归，larbin应当是一个被广大搜索引擎爱好者应当引起注意的一个产品，虽然其功能逐渐被 Nutch 所接受和替代，但是其在爬虫上的优美设计的确值得称道。

Technorati : Larbin
Del.icio.us : Larbin
Ice Rocket : Larbin
Flickr : Larbin
Zooomr : Larbin
Buzznet : Larbin
Riya : Larbin
43 Things : Larbin

Powered by Zoundry

1.
什么是分类？
分类就是将一片文章／文本自动的识别出来，按照先验的类别进行匹配，确定。
什么是聚类？
聚类就是将一组的文章／文本／信息进行相识性的比较，将比较相识的文章／文本／信息归为同一组的技术。
什么是模糊聚类？
模糊聚类就是没有先验的聚类因子，完全按照算法来进行识别和类大小，类的多少，类的误差等都是不确定因素。

我这里给出来的例子，例如：

其中： enternews 就是说这个信息属于娱乐类的新闻，这里就是进行分类了。
然后是新闻的摘要，然后是新闻的来源，我都只给出4个新闻源，例如上面的 life.news.tom.com。相关的内容一共有 10 条 ：这个就是聚类了，就是说从整个娱乐新闻里进行分类，刚好有10条新闻讲述的主题和内容比较接近，因此就聚类为一个。 我们在看看这10条新闻的内容：主张：看清楚男人的货色_tom生活;"三八"：女人不爱男人不快 女性频道 南方网; 离婚，先要尊严还是钱？ 女性频道 南方网.... ，可以基本上看出来是一个与恋爱有关的女性话题。

从这点上看简并算法应该还算有些价值，当然也有不精确的地方： 将坦克聚类到了互联网，我下面来叙述这个问题。

2.
分类和聚类为什么出错？
关键在于一个模糊上。因为机器不像人拥有极强的认知能力，利用机器进行新闻分类和聚类所采用的做法通常都是我们说的模式识别，或者更精确的说其实是一种模糊特征识别。

计算机看不到特征，那么这些特征从哪里来？

样本

什么是样本？
样本就是用来进行信息识别的先验信息，简单的说就是先告诉计算机，什么是娱乐信息，什么是互联网，什么是体育等。
计算机基于这些样本进行学习后得到了这些样本的直观特征，例如数字，例如排序，例如介词的位置等就得到了一个类别的特征。

样本的质量的好坏和样本的区间的大小直接影响到未来的识别能力和误差。例如样本是有偏差，那么可以想像识别的结果是不可能无偏的，样本的大小和含盖的范围也是非常重要的，我下面举一个例子说明：

我们找到50个苹果和50李子个给我们的机器看，告诉我们的机器这50个东西是苹果，那50个是李子。

情况分成这样的：
如果这50个苹果全部是红的，而50个李子有红有绿，那么当我们又拿出一个计算机完全没有见到过的 绿苹果的时候，计算机将非常可能将这个绿苹果判断成李子。因此，样本要无偏。

又比如，我只给计算机看了5个苹果，有大有小，有红有绿，然后拿出一个全新的苹果给计算机看，计算机可能也是无法判断，因为学习的样本太少。

样本-> 学习 -> 检验 -> 纠偏 -> 学习 -> 检验 .... 这个是分类和识别一直要进行的一个过程，直到能够完全的认识人类的知识前，计算机的模糊识别恐怕都有改进的余地。

Technorati : 文本分类, 模糊聚类

Powered by Zoundry

2] 定制＋搜索
Google不提供Rss是完全可以离解的，因为Rss实在是把现有的搜索引擎，新闻聚合系统的技术难点降低到了极限，而这些在传统技术中都是Google的长处，Google是一个网络机器，它说实际并不喜欢用户离线的活动。但是，Google的定制和搜索加Email后也是我每天必修课，原因也是我只关心我订阅的一些内容，而这种直接送到google邮箱的做法，仍然是提高Google的粘合力的一种非常有效的做法。

3] 内容
Google 已经成为一个完全监控我们社会内容的永动机。我在Gmail里的260M的Email，包括文档，论文，程序，我曾经有过这样一次经历，给一个另外搜索引擎公司的CEO发email，使用的是我的gmail帐户，但是那封信却以技术故障的原因莫名其妙的没了，这件事情后我开始对Google留了一手，自己的代码不再用google email来备份了。我们在创造内容，我们有机器在监视内容，我们的计算机已经聪明到能够识别这些内容，然后呢？

4] Info Grid 信息网格
Peter Norvig（现在是Google搜索引擎的产品部的总监）的《网络上的人工智能》AI on Web一书上举了大量的演化的例子，我非常佩服这个思维严密的老兄，因为AI常常被一些哲学和数学家的人嘲笑为智商只有75的阿甘。他们可以随便找出一个AI系统的漏洞，可是这些数学家和哲学家仅仅是嘲笑而已，当他们在嘲笑别人的时候，AI 却一步一步的发展，直到现在连嘲笑AI的人也在每天享受人工智能的进步。

Info Grid是将现有信息分布在不同层次，不同类型，不同应用的各个点上进行有机的联接，再整理的一种思想。Info Grid的表现很多，例如Google News已经是一种信息格点的雏形，这种信息格点将不同点上的内容「新闻」进行收集，然后加工，按照阅读者的需要，以相对智能的方式推送到读者面前。

然后呢？然后再根据读者点击，阅览新闻，资料的习惯『注意，我们实际上是在各种网站的监视下的，例如上google搜索，google会纪录用户的点击』进行整理，最后得到了用户行为模型，得到用户的心理，最后调整系统推送给用户的内容。

有一天，当你连续三天点击了姚明的新闻后，你打开的google的首页上也许有令你咋舌多的姚明的新闻，不要慌，这就是user behave driven modle。

5. Exit，出路在哪里？
Google阴影下的出路在哪里？这个大概不是我来提问，应该是Baidu和Yahoo之类的大玩家。当然，大玩家有大玩家的打算和想法，至于小玩家，出路恐怕就在long tail上了，Long Tail 最近是一个很热的词，连Google都说自己是Long Tail了。Google如果是Long Tail，那么谁是Bulk Body呢？

Powered by Zoundry