在我那无比漫长黑暗岁月中，我竟然错过了岩井俊二的《梦旅人》，一个讲述三个神经病相互救赎的故事。

太不可思议了

故事仍旧纯粹到令人心痛的地步。

犹如当年看《情书》时，一遍遍地听着女主角喊着：“你好么，我很好”一样的凄美绝望。

有时候等待的时间太长，等待本身就已经成为了生活的意义。

就像《小王子》里的那个故事一样，有人为王子流泪，有人为狐狸流泪，有人为玫瑰傲娇而流泪。那个故事里充满了隐喻。

一如天使艾米丽一般的神经质

那年买了王小波给大妈的情书集子来翻，才明白过来，王小波当年爱她爱得有多卑微。恨不得把所有的东西都赠与对方，那爱情太重，任一个人都承受不起。

昨晚梦到第一次她跑到我们教师外来，找你治手的情景，格子裙的小姑娘。我们第一次在教室里，你们两个轮流唱歌的情景。

早上竟然流着泪就醒来了。

现在我才明白过来的一件事是，我为什么作文总是拿不了高分。因为我怎么也写不出主题积极向上的东西。纵使写出来，也是很勉强的。

唯一庆幸的是，一觉醒来。方知已过十年~~

1. Download：http://blog.ilikeblues.com/wp-content/uploads/driver_staging_vt6656.tgz
2. untar
3. sudo make install
4. modprobe vntwusb
5. REBOOT

===============

REF:

1、http://blog.ilikeblues.com/tag/driver-vt6656-ubuntu-karmic/
2、http://forum.ubuntu.org.cn/viewtopic.php?f=116&p=1594632

无影评，无吐槽。

深深地ORZ

500万的小制作，《洛杉矶时报》的评价是：可以与2001比肩的作品。

看到最后竟然默默地流泪，孤独忧伤与寂寞~~

《MOON》，也许是因为心境相合，虽不像《洛杉矶时报》那般夸张，但起码是赶超《2012》的作品~~

=========================================================

PS:看了2012，实在无力吐槽.....

摘抄一段儿特有意思的，80后的小将翻译的版本，其实这书还可以出一个90后现代汉语版。

=========译文的分割线==================

如果你想听我的故事，你很可能会想知道我老家是哪里的，我妈逼的童年是怎么过的，我爸妈都是些什么人，他们在我出生以前都是干什么的，以及等等等等这样子的大卫科波菲尔同学喜欢跟你说的屁话。实话告诉你，我完全没兴趣跟你讲这些东西。首先，我觉得讲这些很纠结。其次，我要是讲到我爸妈的什么隐私之类的东西，他们知道了是会抓狂的。他们对于隐私方面的事情特别敏感，尤其是我爸。我倒不是想说他们脾气有多不好——他们人其实都还蛮好的——但就是对这种事情特别容易敏感。还有就是，我妈逼现在也不是要写什么自传来讲述我整个杯具的一生。我就想说说去年过圣诞那阵子，我都遇见了什么样的鸟人鸟事，以至于现在只剩下半条命，窝在这个鬼地方恢复HP.【他在住院】。我和我大哥——亲生大哥——笛逼【D.B】就说这些事情。笛逼就住在好莱坞，离这个鬼地方不远。他差不多每个周末都会来看看我。下个月我可能就要出院了，到时他会开车来接我。他刚买了一辆捷豹【Jaguar】。这车很牛逼，时速可以达到两百英里。【霍尔顿你个大吹逼，直升飞机都没这么快。】就为了买这车，笛逼足足花了四千块钱！【那时候的四千块钱，相当于现在的……很多很多钱】。他现在是有钱了，牛逼烘烘了。以前可没这么牛逼。以前他也就是在家里蹲着，没事的时候就写写东西。【坐家、作家2和1】。他曾经出过一本很好很强大的短篇小说集，也不知道你们有没有听过，书名叫做《神秘的金鱼》。里面最厉害的一篇小说就叫《神秘的金鱼》。讲的是有一个小孩不给任何人看自己的小金鱼——就因为这小金鱼是他花了自己的钱买来的。这故事还真是好得要命。可笛逼现在跑去好莱坞当婊子了。【这是个比喻，就是说他去当编剧了】。如果说这个世界上有什么东西是最让我恶心的，那就是电影了。妈的最好提都不要和我提。 

1. 詹姆斯.卡梅隆的旧作--1989年
2. 感情戏很感人，詹大叔当年在闹离婚，感情戏非常投入。4任妻子呢，这是第三任~
3. 结尾是典型的-----爱的胜利，外星人又一次因为爱而放弃了毁灭人类世界
4. 深海戏---后来的《猎杀红色十月》等潜航片都是借鉴了詹姆斯.卡梅隆这部片子的特效
5. 外星人---《终结者2》里的液态金属人使用了这里面的特效，【墨菲变形软件】
6. 打分的话---7.5分以上了

路上偶遇，可惜不是个小萝莉~~~~要不然这张照片就完美了。

化雪后初晴，公司路旁的小吃店的员工们堆得小雪人，很有爱。

可惜脏了点儿，发现黑白后舒服多了，于是就按辛德勒处理了~~~~

现在有了GOOGLE CODE和GOOGLE的翻译者工具，加上自己的英语6级都过了，木啥好怕的了。

在GOOGLE CODE上开一个项目，把这篇又臭又长的东西翻译完。

DJGPP FAQ IN CHINESE

重拾了当年在DELL机器上装LINUX装DJGPP，装WIN3.1，玩GCC的欢乐感觉。

决定没事情了，陆续把DJGPP这个项目的文件翻译补完。

2003年那年最欢乐的事情是，有个大学教授发文过来问我怎么用DJGPP交叉编译，实际上我直到2006年才懂得什么叫做CROSS BUILD~~~哈哈。当时觉得自己特牛X的感觉~~

不过是6年前而已，却好像是上个世纪的事情了~~~~

如果是基于用户的协同过滤，使用勾股定律的那种空间距离算法。

THE ART OF THE START     INFORMATION RULES

BOB 8 7

SARAH 6 9

计算得BOB和SARAH的近似度为：根号下，|8-6|平方+|7-9|平方，得2.83.

这是基于用户的协同过滤的基础算法，也就是说，即使BOB给THE ART OF THE START打了2分，协同过滤也会把同样打了两分的人挑出来的，毕竟他和BOB之间更为臭味相投。同样地讨厌THE ART OF THE START这本书，都给了差评。（从几何距离上来说，差评用户和差评用户之间的距离较近）

基于用户的协同过滤从算法上就已经考虑了差评用户之间的臭味相投。

但还是因为上一篇所说的问题，协同过滤的计算量太大，尤其是基于用户的协同过滤。10万用户和10万本书的计算量是150亿次。在SCOTT WHEELER的文章中引用了术语：“维度之咒”，很形象地描述了这个算法的瓶颈。所以商业应用的协同过滤都需要海量的分布式计算。

文章最后提出了机遇【有向图】的更易于理解的一种实时算法，这种算法无需离线计算，按原文的说法，是一个冷门儿的推荐算法。

===============================

PS:

1、SCOTCHI.NET

2、DIRECTEDEDGE.COM

没有机会进入豆瓣，但起码有机会去看Mahout的推荐算法。NETFLIX的推荐算法已经是神经网络算法了，复杂让人难以理解。

实际上亚马逊的算法也不难理解，简单地说还是相似度算法。业界常用的算法有

1、基于用户的邻近度比较

2、基于物品的邻近度比较

最基本的数学算法其实就是余弦。和搜索引擎算相似度实际上很类似~~算法本身不难理解，但难点在于运算量巨大。所以MAHOUT这个系统大量的问题在于解决分布式计算，计算本身并不复杂，恐怖的地方在于计算量，连贝叶斯都不需要。

10万本书和10万用户的计算量就过亿了。所以都是这种计算都是离线运算，排出距离（最近的距离，或者说是逆序）前十的用户是很简单的事情，而排出距离最远的前十用户并不增加什么计算量。如果计算后的值储存的好，得到两种迥异的结果就仅仅是查表而已。

MAHOUT还使用了K邻近算法，那部分我一直没有去摸索。就不表了

====================

PS:关键是豆瓣的算法是什么，只有豆瓣的人才知道。

如果有兴趣的话，推荐程序员最近一期上有一篇译文，专门讲解推荐算法，当然作者自己还发明了一种基于【有向图】的算法。