利用cliques方法，介绍在一个大型网络图中发现欺诈团伙的过程，主要应用场景在金融反欺诈领域。

对于正负面的情感分类，使用目前的深度学习算法,得到val_acc=95%以上的结果是非常容易的；但对于5类情感分类就没那么简单了，本文主要探索短文本评论5分分类，其中评分3、4、5的文本最难区分。

网易博客要关闭了，把以前写的一点东西迁移到此处。

• 百度快照
• Google快照

【从网易博客迁移，本文写于2014年1月】

好功夫是没有用的，感情这种事啊，功夫再好也是挡不住的。《中南海保镖》
天下风云出我辈，一入江湖岁月催。《东方不败》
我代表党，代表人民宣判你的死刑。《党的女儿》
梦想始于剧本，而终结于电影。——乔治·卢卡斯

【从网易博客迁移，本文写于2013年12月】

下面是舆情分析领域的几个基础术语的定义，也可认为是研究方向，也为文本挖掘的任务和文献查找提供了思路。

RTextTools 是一个关于文本分类的工具包，汇集了9种算法：

• BAGGING( ipred: bagging)：bagging集成分类
• BOOSTING (caTools: LogitBoost )：Logit Boosting 集成分类
• GLMNET(glmnet:glmnet)：基于最大似然的广义线性回归
• MAXENT(maxent:maxent)：最大熵模型
• NNET(nnet:nnet)：神经网络
• RF( randomForest: randomForest )：随机森林
• SLDA(ipred:slda)：scaled 线性判别分析
• SVM(e1071:svm)：支持向量机

• TREE (tree:tree)：递归分类树

在阅读文献时，对 图像纹理 的定义至少见过以下八种表述：

创建自然语言的主题模型（topic model）,目前比较著名的是LDA（Latent Dirichlet allocation） ，在R语言中，有两个包（package）提供了LDA模型：lda和topicmodels。lda提供了基于Gibbs采样的经典LDA、MMSB（the mixed-membership stochastic blockmodel )、RTM（Relational Topic Model）和基于VEM（variational expectation-maximization）的sLDA( supervisedLDA)、RTM。topicmodels基于包tm，提供LDA_VEM、LDA_Gibbs、CTM_VEM（correlated topics model）三种模型。另外包textir也提供了其他类型的主题模型。

【从网易博客迁移，本文写于2013年6月】

有一天突然想到一个问题：

• 领导人的脸都有哪些特征？
• 与普通人有什么不同之处?
• 领导人之间的脸有多大的相似度?
• 其他人的脸可以由领导人的脸的特征组合吗？
  然后进行了一番求索，本文主要用R语言分析，用到的包(package)有RCurl、XML、jpeg、EBImage、fastICA、spams、ttutils。

《黑客与画家》是一本非常浅显易懂的书，是 Paul Graham 的文集，很多浅显想当然的“道理”，其实并非如此，我们经常被经验和教科书误导。如果PG的思维方式也有什么特别之处的话，那就是善于思考、怀疑精神、多问为什么。这本书没有一句多余的话，很多语句和表达方式非常经典，摘抄一部分如下：