달력

3

« 2024/3 »

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
2008. 1. 9. 15:19

synergy 삽질예방/Linux2008. 1. 9. 15:19

http://network.hanb.co.kr/view.php?bi_id=1223
 - 시너지에 대한 자세한 내용이 나와있다.

시너지는 온라인으로 데스크탑을 다른 컴퓨터(예를 들면 노트북)으로 확장시킬 수 있는 프로그램이다.

윈도우용 synerge는 서버를 까는것이 좋다. 대부분 노트북키보드와 마우스를 불편하게 여기므로.
검색하면 바로 깔거 나온다.

*데스크탑 서버
 위의 링크를 잘 따라가면 그냥 된다.

*랩탑리눅스
synerge검색해서 패키시 설치하고

/etc/hosts


203.253.21.229 isteam01
203.253.21.168 deltakam-laptop

과 같이 최 상단에 적어놓으면 설정끝.

synergec <타겟ip주소>


명령으로 깔끔하게 정리!

:
Posted by Kwang-sung Jun
2008. 1. 8. 15:47

mysql 간단한 명령어들. 삽질예방/mysql2008. 1. 8. 15:47

http://kwon37xi.egloos.com/1634694

mysql -uroot -p
 - root계정으로, 비밀번호를 입력하여 접근

show databases;
 - 현재 가진 데이터베이스들을 열어본다.

desc db;
 - db의 내용을 보는 듯?

select * from user;
 - 사용자들 목록을 볼 수 있다.

create database <db_name>;
 - db_name이라는 데이터베이스 생성


** 참고사항
 mysql에서 tab을 누르면 자동완성기능이 있으니 생각 안나면 참고해보자.
간단한 사용자추가는 그냥 mysql-admin을 이용(GUI)

:
Posted by Kwang-sung Jun
2008. 1. 7. 21:27

day 4 netflix prize/일지2008. 1. 7. 21:27

netflix prize research day 4
 - grouper.cpp와 filler.cpp로 나누었다.
 - grouper.cpp는 그룹화 시켜서 하위 폴더, grouped_file 폴더에 저장된다.
 - 각 파일은 group0001.txt와 같은 모양을 하고 있다.
 - filler.cpp는 그룹화된 파일들을 바탕으로 하여 직접 문제에 답을 작성해 나가게 될 프로그램이다.
 - svn을 도입하여 프로젝트형상관리(?ㅎㅎ)를 시작하였씁니다.
 - 오늘의 삼질은. STL에 대한 것이다. STL에서 find()함수는 iterator를 리턴한다. 그리고 찾지 못한 경우는 <stl객체>.end()와 같은 값을 같게 된다. 또한. map의 경우 []가 오버로딩되어있는데  tmpMap[2];라는 문장이 수행만 되어도 키값 2, 밸류 0으로 삼는 멤버가 생성되는 조금 특이한 경우가 있다. 이거때문에 세네시간은 삽질하지 않았나 싶다.

TODO
  - 통계프로그램을 구했으니 슬슬 자료 분석도 시작해 봐야지
 - 2007년 1등한사람의 PDF를 종종 읽으며 연관기술을 습득하자.
 - STL사용법을 삽질기에 적어놓도록 하자.
  1. 주먹구구식이라도 알고리즘 적용하여 한번 풀어보기
  2. 베이지안 네트워크 적용하여 풀기. (통계프로그램의 분석을 통한 확률을 알고 있어야 한다.)

 - 가장 시급한 것은 알고리즘을 개선하는 것이다. 현재 한시간동안 영화를 대략 500개정도 군집화(그룹화)가능하다.
collaborative filtering에 대한 wikipedia자료 정리하기.

문제해결법에 대한 IDEA
1. 그때 그때 qualifying에서 나오는 자료를 보고 즉석 계산한다.
 -> 중복계산이 너무나 많다.
 
2. user들을 군집화시킨 후 알고리즘을 적용한다.(합리적...)
 
3. 영화제목으로부터 연관관계를 끌어낼 수 있을까(시리즈물, 어두운 분위기, 공포 등)
 - WWE
 - soldier
 - Dark
 - dragon ball
 - national geographic
 - 영화제목에 위의 단어가 들어있다면. 이용자가 시리즈물을 보고 평가한 결고를 반영할 수 있다.
 - (user base + item base)
 - 자주 검색되는 단어를 이용해도 된다.
 
4. 시간적으로 '최근' 취향이 비슷할 수록 가중치가 높아진다.
 - user간에 얼마나 '많은' 영화의 평점이 얼마나 '많이'같은지, 그 각각의 영화가 얼마나 시기적으로 '가까운'지에
대하여 유사도를 계산한다..
:
Posted by Kwang-sung Jun