辛卯年乙未月己巳日，大局已定。仿三国演义，记下赛事五回。
第一回 山中有寨柠檬香，邪道异术出山狂
第二回 绝世秘籍未相传，独门小式败探花
第三回 光阴有痕巧破译，大象无形气莫测
第四回 山穷水尽疑无路，九易参数又一村
第五回 强强联合遇强敌，人品爆发显王道
月度归档： 2012 年 3 月
公蓝、风蓝北京背后的统计
科研间隙，突然想验证一下@郑渊洁提出的公蓝北京、风蓝北京。遂从twitter上抓取美帝使馆数据，并做了一些简单的统计分析。
统计数据为从去年11月21日至今的共100多天的空气质量数据与风力数据。先上图。
在PM2.5随时间变化情况图中，我将数据分为工作日和非工作日统计（考虑节假日调休）。很明显，天亮期间休息天的空气质量要明显好于工作日的，从侧面体现了“公蓝北京”。在这样的统计规律下，把户外锻炼的时间安排到周末也是非常合适的~另外有个值得注意的，晚间的空气比白天明显要差，网上能找到很多介绍，如大气对流、植物的净化作用等等。不管怎样，在数据面前，早起锻炼和晚上睡觉前跑个步，都是不合理的。
二元语法（2-gram）分词中的平滑算法
从一年前的计算语言学作业开始，我一直没明白，为什么我写的二元语法分词要比一元语法差。两天来我仔细分析了一下之前的实验细节，发现二元语法分词要超过一元语法，可以有两种方式：1.超大的语料；2.强大的平滑算法。
实验采用北大人民日报1-6月语料，大约700万字，选其中90%作为训练数据，另外10%作为测试数据。先看下实验结果：
| 分词方法 | 准确率 | 召回率 | F值 |
|---|---|---|---|
| 最大正向匹配 | 0.9040 | 0.9189 | 0.9114 |
| 一元语法 | 0.9280 | 0.9502 | 0.9389 |
| 二元语法（+1平滑） | 0.9093 | 0.9276 | 0.9184 |
| 二元语法（+eps平滑） | 0.9102 | 0.9529 | 0.9311 |
| 二元语法（删除插值） | 0.9317 | 0.9615 | 0.9463 |