那颗名为现在的星

知识图谱1：知识图谱嵌入综述 知识图谱嵌入方向的文献综述《Knowledge Graph Embedding：A Survey of Approaches and Applications》的阅读笔记，包含对论文中关键表述的翻译和自己产生的一些体会。 Introduction 知识图谱是一种包含了实体Entity和关系Relation的三元组，在语义解析、命名实体消解，信息抽取和自动问答中有广泛的应用。 知识图谱嵌入知识图谱研究的子方向，其目标是将知识图谱中的实体和关系嵌入到一个连续的向量空间中，而得到的这些嵌入向量可以被用在很多知识图谱的子任务中，比如知识图谱补全。 现有的很多嵌入技术都是基于观测到的事实,即实体-关系-实体这样一个三元组,进行的，对于一个给定的KG，会首先将实体和关系都表示在一个连续的向量空间中，然后定义一个打分函数来衡量每一个事实的合理性Plausibility，然后通过使得合理性最大化来学习到实体和关系的嵌入表示。 基于事实的知识图谱嵌入 当我们给定一个包含n个实体和m个关系的KG时，所有的事实facts可以用一个集合来表示，这里的h表示h ...

第一部分：Java的语法和数据结构的底层细节 1.0 Java的循环 Java的循环方式有for使用下标循环，for-each循环，while循环和迭代器循环 使用下标和while完成循环是最常见的方式，对于数组或者collection都通用 for-each循环是Java1.5之后带来的语法糖，可以用一个变量来遍历该类型的一个可迭代的结构，比如数组和集合 iterator是一些结构提供的一个迭代器，可以用hasNext来判断是否到了末尾，并依次进行迭代 在Collection框架的数据结构下，如果使用for-each对一个容器进行遍历，那么在编译之后这一段for循环在class文件中会被优化成迭代器的形式 也就是说for-each语句是通过迭代器实现的 #### 1.0.1 for-each循环的坑 for-each循环是通过迭代器实现的，而Collection又一个fail-fast机制，如果有多个线程对同一个集合的内容进行操作的话就可能产生fail-fast，比如当一个线程A通过Iterator去遍历集合的时候，如果这个集合的内容被其他的线程改 ...

1. 单例模式 单例模式的类的对象只允许一个实例存在，比如服务器中的配置信息读取可以由单一对象完成 单例模式的实现主要通过以下两步： 将该类的构造方法定义为private的，这样一来别的地方的代码就无法调用该类的构造方法来实例化该类的对象，只有通过该类提供的静态方法来访问该类产生的唯一一个对象 在该类内提供一个静态方法，当我们调用这个方法时，如果类持有的引用不为空就返回这个引用，如果类保持的引用为空就创建该类的实例并将实例的引用赋予该类保持的引用 1.1 优缺点 优点 在内存中只有一个对象，节省内存空间； 避免频繁的创建销毁对象，可以提高性能； 避免对共享资源的多重占用，简化访问； 为整个系统提供一个全局访问点 缺点： 不适用于变化频繁的对象； 滥用单例将带来一些负面问题，如为了节省资源将数据库连接池对象设计为的单例类，可能会导致共享连接池对象的程序过多而出现连接池溢出； 如果实例化的对象长时间不被利用，系统会认为该对象是垃圾而被回收，这可能会导致对象状态的丢失 实现方式1：饿汉式 一个简单的实现方式的代码如下 ...

1. 数据库索引与B+树 索引是一种数据结构用于在大量的数据中快速定位到我们想要的数据，mysql数据库中的索引主要有B+树索引、Hash索引和全文索引 ### 1.1 二叉搜索树和平衡树 B+树是由二叉搜索树和平衡树发展而来的，二叉搜索树是一种最简单的索引，但是在一定的条件下会退化成一个链表，造成索引的性能下降的问题，而平衡树可以解决这一问题，平衡树会根据一定的规则自适应地调整树的节点和高度，使得索引尽可能保持一个平衡的树形结构，常见的有AVL树、Splay树和红黑树等 平衡树相比于普通的二叉搜索树查找效率更稳定，总体的查询速度也更快 一般来说数据库中的数据规模都比较大，所以内存很容易放不下这么多数据和索引，因此通常会把索引和数据存储在磁盘之类的外围设备中，但是和内存相比，磁盘IO的效率非常低，并且是按block存取的，因此应该尽可能将要查询的数据放在一个磁盘中，也就是说要让树的节点多存放一些数据 ### 1.2 B树与B+树 B树相比于平衡二叉树，每个节点存储了更多的key和data，B+树相比于B树做出了一些改进，最重要的一点就是非叶节点不存储数据，而是只存 ...

机器学习代码实现3：KNN算法 这一专题的内容主要是我在进行统计机器学习的算法的代码实践的过程中的一些记录，包括公式的推导，算法的实现与数据集的实验结果。 这部分工作我比较早之前就已经开始做了，现在刚好趁此机会整理一下之前写过的所有小demo，汇总成一个完成的库 1.KNN算法 KNN算法是一种常见的监督学习算法，常用于分类问题，KNN算法的核心思想是用跟输入数据最接近的K个点的类别来预测输入数据的类别，这就决定了这个算法的关键在于： 如何定义最接近？需要计算点与点之间的距离，我们一般会用L2距离，也叫欧几里德距离，来表示点与点之间的距离 K如何选定：K的大小会直接影响算法求解的效率 怎么用K个数据的类来预测输入数据的类：一般采用投票法，选择K个点的类别中出现次数最多的类别作为预测结果 KNN算法的过程： 训练阶段：保存训练集中的数据点和对应的标签 预测阶段：输入一个点之后，计算其与所有的训练集中的数据点的具体，按大小排序选出最小的K个并统计其类别的分布情况，选择出现次数的那个类别作为预测的结果 2.代码实现 这里的代码框架取 ...

机器学习代码实现2：贝叶斯模型 这一专题的内容主要是我在进行统计机器学习的算法的代码实践的过程中的一些记录，包括公式的推导，算法的实现与数据集的实验结果。 这部分工作我比较早之前就已经开始做了，现在刚好趁此机会整理一下之前写过的所有小demo，汇总成一个完成的库 1.贝叶斯定理 贝叶斯定理主要是用来判断一个数据样本是否属于类别，其理论主要就是基于下面的公式： 这里的称为先验概率，也就是目前已经知道的类别的分布情况，而叫做似然likelihood，表示的是当前已知的属于类别的的情况，也就是说我们要判断一个样本是否属于类别，我们需要先得到已经属于类别的同类的概率和类别本身出现的概率，这样就可以估计当前的属于类别的概率 当有C个类别的时候，贝叶斯定理可以表示为： 计算出结果之后，根据极大似然的规则，让可能性最高的作为样本类别的预测结果。 因此在训练一个贝叶斯分类器的时候，我们要得到一个类别-特征的分布矩阵，我们可以假设可能的预测结果有类，而不同的特征可能取值有种，这样一来，我们就可以得到一个的矩阵，矩阵中的每一个元素代表了某一种特征情况输入 ...

机器学习代码实现1：线性回归和岭回归 这一专题的内容主要是我在进行统计机器学习的算法的代码实践的过程中的一些记录，包括公式的推导，算法的实现与数据集的实验结果。 这部分工作我比较早之前就已经开始做了，现在刚好趁此机会整理一下之前写过的所有小demo，汇总成一个完成的库 1.线性回归模型 线性回归模型是最简单的一种线性模型，模型的形式就是： 我们可以通过对原本的输入向量x扩增一个为1的维度将参数和统一成一个参数，即模型变成了 这里的是原本两个参数合并之后的而其损失函数的形式是残差平方损失RSS 我们很容易就可以通过求导得到线性回归模型的关于的梯度 这样一来我们就可以通过梯度下降的方式来训练参数，可以用下面的公式表示[大概是这样，我也没有]： 但实际上线性模型的参数可以直接求解出，即： 2.线性回归的编程实现 具体代码中的参数的形式可能和上面的公式推导略有区别，我们实现了一个LinearRegression的类，包含fit，predict和loss三个主要的方法，fit方法就是求解线性模型的过程 ...

这个系列的笔记是我在学习斯坦福大学公开课程CS224W：Machine Learning For Graph的过程中完成的笔记。

阿里云基础平台开发面经 之前在这个帖子 里发了凉经，后来被另一个部门捞了起来重新面，一共面了三轮面试，面到最后才了解到是阿里云的基础平台研发部门 以下内容仅供参考，请勿转发至外网 一面4.10 25min 自我介绍，然后让我简单介绍一下简历上的若干项目中自己做的工作 你觉得自己做的项目可以有哪些地方能进一步改进 #### 八股文： 进程和线程的区别 linux的进程分成几个段 TCP和UDP的区别 项目中哪些地方用到了并发编程和并行编程 没有考代码题 二面4.12 45min 自我介绍 简述TCP的三次握手的过程 线程之间如何进行通信？信号量是什么，有什么作用？ 解释一下线程池是什么东西，解释完之后又问了可不可以类比一下推测连接池是什么 自己印象最深的一个项目是什么，做完之后有什么样的收获 你如何看待软件工程中的各个环节？你认为最重要的环节是哪一个 项目过程中有没有性能调优的经历，详细讲讲 C++中的虚函数是怎么实现的，内存泄漏是指什么？ 还问了个人未来发展规划，其他的一些问题有的忘记了，没有考代码题 反问环节：问了 ...