2008年4月30日 星期三

[宅度計] 絕對宅度的計算方式修改

超準確真實? 部落格宅度計!!! (前言) 這篇文章有說到四點:
1. 符合數量越多時, 自然是更高, 但不能成線性正比
2. 當一個關鍵字的字串長度越長時, 越難相符, 自然更顯著些
3. 一個關鍵字在所有的部落格量的比重也是要參考 (目前尚未寫入)
4. RSS 的篇數與長度也會影響計算的量 (目前尚未寫入)

但當時第三點與第四點是尚未寫入, 但當天晚上就改好了, 但這次又加入兩點:

5. 第四點的篇數當時不夠完整, 現在再度加強
6. 對於 keyword bomb 做了點個數的修正, 尤其是關鍵字出現的次數與比率~~

當然我知道 Data Mining 這種事最麻煩的是事後的 Tuning 到更精確, 因為資料的不定性太大了, 這部份的修改也是希望讓數值更貼近現實, 雖然這工作還有一大段路要走, 這包含資料的完整性~~~

我當然知道這個 "超準確" 是不可能的, 也只是要區分跟一些 "亂數" 所做出來的產生器做區別罷了, 倒不是說真的要做到甚麼準確, 而是真的有參考價值就夠了, 所以請以認真但不嚴肅的方式來看吧~~~~

2008年4月28日 星期一

[宅度計] 新的第一名~~~

剛剛看到第一名突然跳出來, 害我嚇一跳是否程式出錯, 原來有人在自己的部落格把所有的關鍵字寫出來, 自然在宅度計的關鍵字計數就跳得很高分..

人名團體宅 23.5% 極度宅!!!!
電視電影宅 20.3% 極度宅!!!!
時事話題宅 14.3% 極度宅!!!!
旅遊地名宅 13.0% 極度宅!!!!
美食店家宅 11.3% 極度宅!!!!
動漫遊戲宅 9.5% 極度宅!!!!
網站軟體宅 5.1% 極度宅!!!!
廠商產品宅 3.0% 相當宅!!!

這部落格最宅關鍵字: 佐藤江梨花


絕對宅度:1203%

Play-Asia.com

追加 AV女男優 宅度: 296.6分 極度宅!!!! (關鍵字: 佐藤江梨花)
追加 3C商品類 宅度: 35.0分 相當宅!!! (關鍵字: 魚眼相機)
追加 攝影類別 宅度: 29.4分 相當宅!!! (關鍵字: 魚眼相機)
追加 音樂類 宅度: 331.8分 極度宅!!!! (關鍵字: 揮著翅膀的女孩)
追加 運動類 宅度: 264.6分 極度宅!!!! (關鍵字: 2007世界盃棒球賽)
追加 電影類 宅度: 299.8分 極度宅!!!! (關鍵字: 倒數第二個男朋友)
追加 政經社會 宅度: 321.7分 極度宅!!!! (關鍵字: 富達新興市場基金)
追加 日劇通 宅度: 290.2分 極度宅!!!! (關鍵字: 花樣少年少女)
追加 韓劇通 宅度: 192.7分 極度宅!!!! (關鍵字: 咖啡王子一號店)
追加 舞蹈 宅度: 12.8分 普通宅!! (關鍵字: 肚皮舞衣)
追加 閱讀文學 宅度: 7.0分 有點宅! (關鍵字: 北投圖書館)
追加 星座命理 宅度: 12.8分 普通宅!! (關鍵字: 2008星座運勢)
追加 汽機車 宅度: 24.1分 相當宅!!! (關鍵字: 腳踏車)

其原文是: http://blog.pixnet.net/pomelo013006/post/16980720

當然這樣的狀況我個人不給予任何的 "價值評斷", 可取不可取這個只是在於心念, 讓我想到最近也提到宅度計的一篇文章, 給 吳同學 的一封信, 由 Cyber Runner 寫的, 其中說到: 威權與權威, 創意與惡作劇, 規則與例外等等的問題, 雖然這情形有不一樣, 但也有大同小異, ...

對我而言, 我為甚麼會顯示上面的關鍵字, 事實上是有意義的, 這個在 "Debug" and "Verify" 很重要的事, 那是另一件事了...

2008年4月25日 星期五

[部觀門] 被攻擊

許久沒被攻擊了, 但或許也不見得是攻擊, 也許是來砍站, 但能夠同時用三組 Class C 來砍也是不得了的人物了~~~

但剛好那台機器前面沒防火牆, 也不想動用到 apache, 所以直接給 Reject 掉, 加了三行指令:
if(strstr($ip, "121.14.96.")) Die("Reject!");
if(strstr($ip, "58.60.14.")) Die("Reject!");
if(strstr($ip, "58.60.13.")) Die("Reject!");
讓我花了快一小時才解決, 真傷腦筋~~~

[後記] 後來發現當時把 Door 的資料搜集停下來, 降低 Loading, 但造成 2:00 ~ 16:00 這 14 小時沒有新資料更新, 大約是一天一半的資料, 真是大損失阿~~~~

2008年4月22日 星期二

[宅度計] 配對度與麻吉度

在宅度計出來後, 接著就是麻吉度與配對度的延伸~~~

麻吉度是以八大類別的宅度相似度為基礎, 再加上這八個主要關鍵字的關係所算出來的排行~~~
配對度是以八大類別與追加類別的關鍵字相同度, 加上絕對宅度算出來的配對關係排行~~~

像目前這個站的麻吉度前 10 名是:

名次 名稱 麻吉度
1β ι α ∫ 偏 見 樂 隊26.0%
2孿生蜻蜓4.8%
3屁啦!!!!-9.2%
4Xuite日誌:無為心境-10.3%
5關鍵報告-14.2%
6Jeany's Talk: The Skyline.-16.9%
7 沒有人要去英國-17.1%
8大猛 老彭 有話說-18.4%
92008年十二星座生肖運勢 2008星座運勢 2008生肖-19.3%
10猴在當下-21.4%

而配對度前 10 名為:

名次 名稱 配對度 絕對宅度 相同關鍵字
1β ι α ∫ 偏 見 樂 隊4.76292.42%部落格, 謝長廷, 舞蹈,
2SiLlY4.7375.29%部落格, 舞蹈,
3佩岑部落英語教室-新浪部落4.6134.51%部落格, 不能說的秘密, 舞蹈,
4一個偽宅男的反詐騙資訊小站-新浪部落4.5825.82%部落格, 不能說的秘密, 舞蹈,
5工程師級的顧問 / 【食夢黑貘】4.32185.32%部落格, 長瀨茜, 舞蹈,
6Gerbera 非洲菊華麗懸轉木馬─新浪部落4.3064.34%帕華洛帝, 部落格, 長瀨茜, 帕華洛帝, 舞蹈,
7amarylliss' foodnotes 艾瑪的美味筆記本 -4.24152.28%部落格, 長瀨茜, 舞蹈,
8Gerbera 非州菊華麗旋轉木馬─天空網誌4.2341.54%帕華洛帝, 部落格, 長瀨茜, 帕華洛帝, 舞蹈,
9網路是美麗新世4.21140.84%部落格, 長瀨茜, 不能說的秘密, 舞蹈,
10ninipipi妮妮皮皮寫部落格4.19134.70%部落格, 長瀨茜, 舞蹈,

兩個排行榜的第一名都是同一個, 蠻有趣的, 但除外好像重覆性就不高了~~~~
而這兩個計算方式, 你相信那一個呢?

2008年4月21日 星期一

部觀門終於回復正常

自從 3/13 號的資料開始出錯後, 就一直數於無法完全更新的狀態, 但在昨天 (4/20) 經過 5 個多星期, 終於追上每日該有的進度, 其中一個很大的原因就是 "人越來越少", 所以 "負荷慢慢降低" 的原因, 這真的不是好消息的...

但有 Loading 的空出, 代表可以在多做一些事, 其中包括以部落格為單位的關鍵字分析, 雖然這個是在計劃中, 但永遠的計劃趕不上變化, 所以一直因為負荷不足延怠在這邊..

而到現在, 關鍵字也巧巧的超過 3500 字了, 這是超過原本規劃的負荷的, 因為原本規劃是只有負荷 3000 字而已, 自然是超過規劃, 只是因為 Loading 也有分散的計劃所以得已喘息的空間~~~

雖然這沒甚麼好慶祝的, 但還是記錄一下~~~~

2008年4月18日 星期五

部觀門最高的名次是第一名?

昨天的樣子, Alexa 有大的變動, 或許是學 Compete 一樣, 加了 ISP 的資料, 但可能也是限定美國, 所以台灣的網站開始大震動~~~

而部觀門的階段性任務已經告一段落, 所以在未來名次止會降不會升了, 所以 Print Screen 來一紀念一下..



相較其他的新 Web 2.0 網站~~

名次 網站 Alexa
Taiwan
Taiwan
Rank
Blog
Look
1部觀門

323
(28388)
5294842
2地圖日記
360
(29385)
39122953
3funP 推推王
401
(29381)
776340
4diggirl.net美女相簿
635
(50821)
10523174
5好好搜!
656
(47906)
20023767
6iPeen 愛評網
710
(83701)
10274889
7HEMiDEMi
893
(76542)
3367372
8SiteTag
1231
(51764)
19762110
9Findbook
1339
(136429)
04665
10部落格觀察
1982
(145179)
625810

上面這個表格是取自於 新台灣* Web 2.0? 觀察表, 我想最近會有大變動吧~~~~

可以說是獨占鰲頭, 但我想過一個星期就不會有此榮景了 ~~~~

2008年4月17日 星期四

新增舞蹈與閱讀分類

當然閱讀分類是本來就應該增加的, 因為有不少書籍與作家是值得討論的, 但似乎還有電子書設備反而是在這分類的最大宗~~~~

而舞蹈這個分類是某個朋友提供的, 雖然初期是由目前的 3500 個熱門關鍵字找出來跟舞蹈相關的, 事實上這些舞蹈相關的關鍵字是不見得是屬於對於舞蹈熱衷的關鍵字, 反倒是一般性的..

這種事情也發生在音樂類別, 像 "音謀筆記" 寫不少音樂相關的東西, 但都是比較冷門的, 所以若不是他有寫魏如萱的話, 說不定音樂類會掛零也說不定~~~

但在所謂 "熱門關鍵字" 外的系統是還沒有建立之前, 自然還是以熱門關鍵字為主, 所以最後挑了 5 個字後, 我再追加 2 個字, 勉強的作出舞蹈類的分析, 相較閱讀相關的關鍵字一下子就有了 29 個字, 雖然是因為昨貼追加了 "小狗拉瓦" 與 "我的閱讀希望", ...

當然, 在分類出來後, 的確會影響關鍵字的選擇, 畢竟關鍵字若是拿來作為 "連結" 的話, 沒有分類與屬性的關鍵字是沒有意義的, 所以在選擇時的門檻會較高, 相對的在未來已經有分類的自然就會寬鬆些~~

而未來會新增的分類包括: 汽車, 命理, 星光幫, 偶像迷, .... 等等, 但最主要是只要有人有興趣幫忙整理這樣的分類就可以早點做, 畢竟分類還是必須要對此分類有興趣的人來整理才比較不會漏失~~~

2008年4月11日 星期五

[宅度計] 新增日劇通與韓劇通宅度

事實上已經有不少人知道 "宅" 指的是 "專注(家)", 而不是 "待在家", 這次還加了日劇通與韓劇通這兩個分類, 因此目前已經有下面幾個追加分類, 以及目前有多少關鍵字:

9. AV女男優: 48
10. 3C商品: 159
11. 攝影類: 45
12. 音樂類: 209
13. 運動類: 62
14. 電影類: 91
15. 政經社會: 129
16. 日劇通: 55
17. 韓劇通: 23

當然大家知道 "宅度計" 計算的方式很簡單, 就是計算關鍵字出現的次數, 然後再計算這關鍵字的冷熱與次數跟長度, 所算出來的, 所以基本上一定要有關鍵字表才行~~

下一個可能要再追加的是: "星光幫通", "偶像劇通" 等等, ....

而如同之前說的, 大家有想要測量出甚麼, 可以跟我講~~~

這次的 "日劇" 與 "韓劇" 是由 "海島上的貓" 所建立的, 感謝~~

2008年4月9日 星期三

部觀門最近發生的問題

雖然在陳冠希事件後(我不是刻意要寫關鍵字的), 負荷慢慢的降下來了, 而也沒有一天 30~50 萬的點閱數的榮景了, 又回歸 10~20 萬的狀況, 但這機器的瓶頸不在點閱數, 而是 "有多少關鍵字要去觀察" 的~~~

因為目前除了關鍵字熱門文章等等所有功能中, 最吃資源的就是每日點閱數的更新與關聯關鍵字的重算, 當時就已經設定這系統一天最多能夠負荷新增關鍵字 15~20 個字, 而最多只能到 3000 個總數, 而現在已經超過這個數字, 所以慢慢的系統問題就浮現了...

在 3/13 號, 終於系統無法正常更新, 但我那時正在忙著其他事情, 一直到 3/18 才發現這問題, 所以必須重算 3/13 到 3/17 的資料, 當然在重算的時間也要繼續每天更新, 所以在 3/19 開始解決這問題, 沒想到這個問題花了 20 天才終於趕上進度, 也就是說在昨天不只算完每天的點閱數, 也算完新增的關連關鍵字, ...

只是說完整的更新, 可能還要再 3~5 天才能追上, 但目前大部份的 "熱門", "成長" 等等的資料, 終於在 3/14 失效後, 在 4/8 恢復正常, 這 25 天期間的資料都是不準確的, 但幸好除了 4/2 那天 (幸好不是愚人節) 的資料因為當機, 所以只有搜集到原本該有的七分之一, 其他資料都是可以復元的~~~~

當然, 跨年後還是有很多程式沒有跟著更新, 這才是真正的問題, 一轉眼就是三個月了, 哇, 好多事情要做阿....

2008年4月7日 星期一

這個部落格定名為 "來看關鍵字"

事實上這個部落格的成立, 為的是區分我的 "黑貘來說" 以及 "部落格觀察部落格", 而是為了講 "部觀門" 的另一個部落格, 且是以 "官方個人部落格" 的角色來寫, 也就是說:

1. 這個部落個是屬於我個人的..
2. 但也代表著這個部落格可以有 "部觀門" 或 "宅度計" 的官方色彩...

而當時也是因為我幾乎有很多有關 "關鍵字" 的想法要寫的, 所以怕跟自己與其他的部落格搞混, 且想要做 "官方個人部落格" 的示範, 所以才建立這個部落格~~~

本來還很勤勞的每週至少寫個三五篇以上, 但自從 "陳冠希事件" 我就為了他一直傷腦筋, 結果一下子就沒在寫了, 幸而最近開始做 "宅度計", 讓我對關鍵字的認識又更多了, 所以又開始有新的東西可以寫, 不然要我寫去年的東西挺無聊的~~~~

而這個部落格可以說是在某種觀點可以說是最 "關鍵字" 或最 "宅" 的部落格, 當然有人說 耀輝的旅行與攝影筆記 才是最高分數的不是嗎? 但這個是有原因的, 所以我把這個也列入宅度計的 "官方個人部落格" 了, 所以也只好改名了, 從 "來看部觀門" 變成 "來看關鍵字"... 雖然我也很想寫成 "觀劍自".. 這樣說不定有點武俠或有點文藝一點, 但那就太沽名釣譽了~~~

Anyway, 就當作這個部落格的第二春吧~~~