Semantic Web Notes

关于爬虫

一直传闻（传闻1，传闻2）百度除了派正常爬虫，还会派匿名爬虫来抓取网站信息。爬虫要伪装agent信息的原因很简单，可以做一些不想让人知道的事情。比如，疯狂抓取页面，可以不遵守Robots.txt等等。不过看了一些之前对百度的匿名爬虫的文章。我觉得有时候这个不一定是百度搜索引擎的爬虫（虽然ip是来自于百度公司的），很有可能一些匿名的爬虫是来源于百度一些研究性项目。我们实验室也写过爬虫寻找web service的描述文件（最后是利用google了….），以进行分析。由于算法的问题，实验性的爬虫可能会过度访问一些站点，以至于表现不是很道德。

我的blog也常常被微软live的伪装爬虫光顾（每天几十次），yahoo统计和clicki统计等统计程序都认为是人而不是爬虫，但是它的行为显然不是，ip的区段都是米国微软公司的，ref URL是live中关于某个词的搜索页面，而我的页面排名在live搜索中很靠后，基本上正常人不会常常翻到搜索结果的最后几页。所以我怀疑这个爬虫是微软利用live的搜索结果在做些研究。

对于我这样这样访问量不多的小blog(一共每天150ip左右)，爬虫的访问量要占总访问量的大部分，前两天还因为我的blog占用cpu过高而短时间内被dreamhost停止了服务。虽然dreamhost的口碑一般且过度销售，但是大概1天1000左右的ip对它而言还是可以接受的。这只能说明有大量的爬虫在访问我的blog。随着引向我blog的链接越来越多，来光顾的爬虫也越来越多。特别是做了几个插件之后，有了wordpress.org/extend/plugins到我blog的链接，随之而来的垃圾评论越来越多，每天100多个广告评论，相当崩溃。最近正想方法来避免一些有害爬虫的访问，比如判断ip，然后返回其404？待试验了再说。

Posted in Days of Our Life | 6 Comments »

一个优酷的视频比赛

这次的话题是关于我的数码混搭生活视频大赛。是优酷跟HP合作推广的HP Pavilion dv3000系列本本的活动。HP Pavilion dv3000之前听说过，是一个暴贵和暴多功能的本。我的数码混搭生活视频大赛这样的想法倒是蛮有趣的，对HP而言，自己的产品做了推广；对于优酷而言，既提高了自己站点内原创的视频又提高了站点的流量，可以说是双赢。

为了写这篇文章，特意看了很长时间的话题介绍（我的数码混搭生活视频大赛），和这次活动的官网。虽然是一个很有创意的活动，但是介绍的文字和方式实在是有欠火候，看了很久，还依然是云里雾里。我的总结是制作一份关于HP Pavilion dv3000的宣传短片，将HP Pavilion dv3000跟自己的生活相融合。如果这样的话，拍这个视频是不是首先得需要一台HP Pavilion dv3000的本本啊？如果只使用官方给的资料，作品会显得比较不切主题，这样的话会不会跟大奖无缘在？如果知道得不到大奖的参加的会不会少很多？看到目前官网上提交的视频极少，仅还有15个！如果官方能够提供一些更加便利措施的话会更加有趣，毕竟他的大奖是那么吸引人 :): 2台HP Pavilion dv3000，6台IPOD Nano3，15台电脑桌！实在是很丰盛。如果有条件，有时间参加一下蛮不错的，毕竟从目前的情况看来，获奖的可能超高。

不是很清楚为什么HP要做这样的推广，是不是HP Pavilion dv3000太贵卖不动了？如果参加这次比赛的人都去买这个本，那这次推广也算值得了 。

Posted in Days of Our Life, 付费评论 | No Comments »

随便说说

今天晚上比较闲，手头堆着许多的事情，然而却没有去做。每当有这样的情绪产生，我知道我的懒病又犯了。

对于自己来说，最近快乐的事情并不多见，只是觉得有许多东西要忙碌而常常要去怀疑这忙碌的价值。有的时候，为一些自己并不在意的事情而忙碌倒真是一件不大爽快的事情。

不过平心想想，哪有那么好的运气经历那么多快乐的事情。对于一个社会，一个国家而言，也常常是如此的。干坐着或者坚持腐旧的状态是没有多少资格去经历许多快乐的。就像天朝吧，虽然常常可以在传统媒体见到许多面上令人快乐的事情，但稍想想，就明白就知道好多都在瞎扯。啥时候三权分立了，这个国家才会有点奔头。正如我呆坐在这里想我有了许多钱如何如何的yy是尽可以做的，但是总不会就这样实现了。

每次情绪低落，就要这样随便说说，虽然毫无内容，但总觉得自己可以暂时摆脱一会。

–EOF–

Posted in Days of Our Life | 1 Comment »

两篇语义网入门文章

如果刚接触语义网，有许多疑惑，可以先看看这两篇文章。
1 Where are the semantics in the semantic web? （pdf, download）
2 XML+RDF, 实现web数据基于语义的描述（via）

尽管语义与语法在概念上有着巨大的区别，但其实是很容易让人感到困惑的。这两篇文章有助于理想这两概念之间的区别。

Posted in Days of Our Life, Semantic Web | No Comments »

养草养花养乌龟

从大概去年六月份我这个懒人开始尝试着养些东西。最初是mm给我买的仙人掌，放到我实验室，目的是为了吸收点计算机放出来的辐射什么的。我不知道到底有没有效果，但也觉得仙人掌极其耐旱，就算是我，也或许能够养活。于是有点忐忑的把它放在了实验室里，在我的小隔间里，让它对着显示器的侧面。天天都要望它几眼，怕它在我手里会撑不下去，诚惶诚恐。

果然是不出所料，即便是沙漠都可以活着的仙人掌，过不了几天，就开始在我面前枯萎，腐烂。看着它死亡的样子，心底的感觉，那可真叫悲凉。我不同情仙人掌，我很同情我自己。

记得小的时候，我种太阳花，只要是家前院子里有土的地方就都是鲜艳，浓密的花朵。不仅有传统的黄色，还有红色，蓝色等其他品种。那花虽然是一天一谢，但是天天都有新花长出，天天有新的牙儿破土。

过了几天，就又去买了两只乌龟，一个很小，一个稍微大点。小的乌龟比较的爱动，吃的又很少，于是深得我的喜爱。整天跟它玩，让它在电脑前乱爬，把它放到小洞里边，让它用人的姿势爬出来。大点那位好静，好吃，好头对着玻璃看着外边的世界，日复一日。乌龟好养，好多人这么告诉我，我也觉得蛮有道理，好几个月了，它们竟然没有在我手里边牺牲掉。于是信心倍增，待天冷了些，就在筹划如何让他们安然过冬的事情——事关我的面子大事。看了不少资料，待到成竹在胸的时候，小乌龟忽然变得安静了，依然是不好吃，然后壳慢慢变软。好几次，我都以为它要死了，碰几下，它还能伸伸头。终于有一天，它不再有任何反应。那天晚上，我把它葬在了北洋园的一个花坛下面。

前两天，去西门吃饭，路上见到买花草的。那价格在通货膨胀极度变态的背景下显得令人难以置信的便宜。4元一盘，买白菜都不止这个价。我买了一盘宝石花，记得小时候表弟养过，开花不易，要看耐心和运气，但是一旦开了，那花是极好看的。打算每周六浇一次水。但愿它和还活着的那只大乌龟，都能安然无恙的过下去。

这两天天津虽然依然是毫无生气，半死不活的样子。但春天毕竟是已经来了，如果仔细的观察，可以看到青年湖边柳树细细的嫩芽了。忽然觉得应该养一盘冬天落叶的花，待来年春天见到它出来嫩芽，开出花朵的时刻，那必定个是十分开心，十分快乐的时刻。

Posted in Days of Our Life | No Comments »

随便说说

不知道大家有没有听说过，精神病中有一种叫精神分裂。有些病人会幻想出一个虚拟的人，虚拟的环境，虚拟的事情。自己就活在着半个真实半个虚假的世界里边，自得其乐。有个电影叫美丽心灵，主角就是如此。有的时候虚拟出来的不一定是某人，而是某事，某病。但后者往往归到焦虑或者抑郁症中。其实，这里边是有很多相似之处的。

不知道为什么，我身边得抑郁症和焦虑症的人概率有点高。我熟识的人不多（真是很少），而得这种小概率病的人已经有四个了，人们都说这是一种天才病，只有天才才能得，看来这世界上的天才有不少都在我身边。:)

人改变事情，而事情也改变人，大的事情常常很彻底的改变一个人，不同的事情改变人不同的方面（…），但是人的有些东西在各种各样的事情前面都很改变。不知道有没有心理学家有兴趣去研究这个：对于人而言，性格里边哪些成分能够是永恒的？

Posted in Days of Our Life | No Comments »

难用的青檬

青檬音乐台是一个在线流行音乐台，说的直白些就是把在线的radio music。用的概念也是收音电台的一套，榜单啊，排行啊，24小时*7播放啊。我收音机听不得不多，不知道这样的在线形式对于音乐台爱好者的吸引力有多大。

青檬的做法就是每周出一个榜单，称之为青檬流行歌曲榜，每期都有20首候选的歌曲，然后由用户评价对其进行排行。现在是第74期，扫了这期的榜单，生出来的感觉是：莫非我老了？这期里汪峰的这首北京北京还是比较耐听的，谈论城市的歌曲国内比较少见，一些迷离，一些虚幻，由于是汪峰的歌，因此还要有些忧伤，U2有首New York，似乎是歌曲一谈论城市，总要伪装成很有深度。不好意思，离题了。

青檬流行歌曲榜做的一个比较好的一点是用户可以对歌曲进行评价，而青檬不仅记录了这种评价，而且还追踪了用户的行为及变化规律，这是比较有意思的。下面举个例子：

下面是这首歌的排名记录：

好吧，然后谈谈这个站点的问题及其我的建议：
1：注册链接不好找，注册步骤过于烦琐，且注册完之后给出的导航太弱，让用户不知道该怎么办——没有准确的挖掘出用户来这个站点注册是为了什么？
2：界面过于混乱，似乎什么都想往一个页面塞，整个页面没有丝毫空余的地方，不仅让用户的眼睛非常累，同时也让用户的头非常累，单页信息量过多，又花花绿绿的，我觉得是个大忌。
3：我找了很久很久没有找到该如何去听以前榜单中的某一个首歌曲——真是很崩溃。或许是我找的能力太弱，但是作为一个网站——特别是自称web2.0以用户为中心的网站——寄希望于用户有很强的寻找能力是不合适的。
4：算是上一个问题的延续——我找不到搜索框。
5：照搬传统音乐台的做法，我觉得是不大吻合现在网络用户的想法。

Posted in Days of Our Life, 付费评论 | No Comments »

淡水河边的烟火

初听这首歌，是在中考完后的暑假，那个时候电脑上一直播着这首化哥的歌。之后一直都没有听过。

今天突然又找到了这首歌，慢慢的听，淡水河边的烟火——我也是在淡水河边长大的，虽然此淡水河非彼淡水河。
听久了，就有种舒服的忧伤，淡而亲切，是已经逝去的那段岁月。

歌是极好的书签，在某个年月常听的歌便是这个年月的书签，日后若想要重温这些岁月，这些情怀，便可打开这些书签，过去的许多酸甜便都隐隐的来。旋律流去，这种味道也随着浓厚起来。

Posted in Days of Our Life | No Comments »

准备迁移并升级

准备换地方，把这个空间搬到DreamHost去，花了我很多$-_-，另外准备把wordpress升级到2.2+。
东西总是越来越好的，不是么？

可是，生活是另外一回事情。
昨日看爱因斯坦的传记——我看过他很多个版本的传记了，每次看最大的感触就是——生活原来可以这样。

在琐碎而且无太多意义的东西前迷失，是件比较不划算的事情，但是由于我们胆小，我们缺乏安全感，我们因此承受很大压力，很大艰辛努力去各种追求中迷失自己，而不知道有的时候跳出来，跳出来看看外面的生活，看看这世界本来的面目，来获得一些本该有的欢乐。

Posted in Days of Our Life | No Comments »