个人博文目录整理

从2014年8月开始在博客园写博客，至今已经积累了82篇，集中在机器学习、NLP、数据结构与算法、大数据、编程语言等方面。在此作个总结，之后还会陆续更新……

1. 机器学习

【十大经典数据挖掘算法】系列：

1. C4.5
2. K-Means
3. SVM
4. Apriori
5. EM
6. PageRank
7. AdaBoost
8. kNN
9. Naïve Bayes
10. CART

2. NLP

中文分词

中文分词工具thulac4j重磅发布.

【中文分词】理论篇：

1. 【中文分词】简单高效的MMSeg.
2. 【中文分词】隐马尔可夫模型HMM.
3. 【中文分词】二阶隐马尔可夫模型2-HMM.
4. 【中文分词】最大熵马尔可夫模型MEMM.
5. 【中文分词】条件随机场CRF.
6. 【中文分词】结构化感知器SP.

【中文分词】实践篇：

1. 开源中文分词工具探析（一）：ICTCLAS (NLPIR)
2. 开源中文分词工具探析（二）：Jieba
3. 开源中文分词工具探析（三）：Ansj
4. 开源中文分词工具探析（四）：THULAC
5. 开源中文分词工具探析（五）：FNLP
6. 开源中文分词工具探析（六）：Stanford CoreNLP

3. 数据结构与算法

数据结构篇：

1. Trie树的应用：查询IP地址的ISP.
2. 多叉树实现类目体系.
3. Bloom Filter：海量数据的HashSet.
4. 双数组Trie树 (Double-array Trie) 及其应用.

算法篇：

1. 【模式匹配】KMP算法的前因后果.
2. 【模式匹配】更快的Boyer-Moore算法.
3. 【模式匹配】Aho-Corasick自动机.
4. 【图论】深刻理解Dijsktra算法.
5. 【图论】求无向连通图的割点.
6. 【图论】有向无环图的拓扑排序.
7. 【动态规划】最长公共子序列与最长公共子串.
8. 连续子数组最大和.
9. 最长回文子串.
10. Top K问题的两种解决思路.

信息论与编码篇：

1. 【数据压缩】Huffman编码.
2. 【数据压缩】LZ77算法原理及实现.
3. 【数据压缩】LZ78算法原理及实现.
4. 整数压缩编码 ZigZag.

【LeetCode题解】系列：

1. 【LeetCode题解】二叉树的遍历.
2. 【LeetCode题解】数组Array.
3. 【LeetCode题解】链表Linked List.
4. 【LeetCode题解】排序.

4. 大数据

SQL on Hadoop (Hive、Pig)系列：

1. 经常使用HiveQL总结.
2. Hive UDF初探.
3. 【Pig源码分析】谈谈Pig的数据模型.
4. Pig 实现关键词匹配.
5. Pig + Ansj 统计中文文本词频.

OLAP (Kylin)系列：

1. Kylin的cube模型.
2. Apache Kylin 部署之不彻底指南.
3. 【Kylin实战】Hive复杂数据类型与视图.
4. 【Kylin实战】邮件报表生成.
5. 轻量级OLAP（一）：Cube计算.
6. 轻量级OLAP（二）：Hive + Elasticsearch.

工做流调度系列：

1. 工做流引擎Oozie（一）：workflow.
2. 工做流引擎Oozie（二）：coordinator.
3. 灵活可扩展的工做流管理平台Airflow.

5. 编程语言

Java

探究篇：

1. Java中的逆变与协变.
2. 【JDK源码分析】浅谈HashMap的原理.
3. 【JDK源码分析】String的存储区与不可变性.

实战篇：

1. Java实时读取日志文件.
2. Java实现过滤中文乱码.

Python

实战篇：

1. 【Python实战】机型自动化标注（搜狗爬虫实现）.
2. 【Python实战】Pandas：让你像写SQL同样作数据分析（一）.
3. 【Python实战】Pandas：让你像写SQL同样作数据分析（二）.
4. 【Python实战】Scrapy豌豆荚应用市场爬虫.
5. 【Python实战】Django建站笔记.