原来看《Head First》的时候，在最后的附加上写过桥接模式，主要是从定义的角度入手，没有结合具体例子，正好上篇文章刚说过DriverManager怎么加载各种数据库的Driver，但没有具体讲JDBC，所以就想换些角度再看看JDBC。
继续阅读“细看JDBC——分工和桥接模式”
从JDBC看“破坏”双亲委派模型
去年6月第一遍看《深入理解java虚拟机》的时候，整体看的是都是很快的，很多东西就算看不懂没想明白也没有细究，然后这个月第二次看这本书的时候，有些问题看起来就一下子引起了兴趣。
7.4的类加载器就很有意义。
继续阅读“从JDBC看“破坏”双亲委派模型”
(转)MySQL索引背后的数据结构及算法原理
分词后记(一)——自己动手写了一个支持Lucene的简单分词器XinAnalyzer
用lucene的时候，看见了一个叫SmartChineseAnalyzer的支持中文分词，效果不咋的，发现竟然用的HMM分词。
当时一句"我的天"，HMM要是都算Smart，我的BiLSTM+CRF那可以是Intelligent了，于是就想自己也写一个。
具体代码可见：https://github.com/1000-7/xinlp/tree/master/src/main/java/lucene/simple
良心建议：如果真的要用lucene支持中文分词，用Hanlp或者Ansj吧还是。
继续阅读“分词后记(一)——自己动手写了一个支持Lucene的简单分词器XinAnalyzer”
CRF算法学习——自己动手实现Bi-LSTM+CRF分词（python）
意图识别 <= Bi-LSTM+CRF <= 先懂CRF <= 先懂HMM <= 先懂EM
终于到这一步了，这一次要用python写了，使用tensorflow去写。关于tensorflow的使用不是我的重点。
相关代码还是在我的GitHub上。
题外话，idea可以安装一个python插件，然后设置一下python编译器，这样就可以在项目里既能运行java又能运行python了，美滋滋。
继续阅读“CRF算法学习——自己动手实现Bi-LSTM+CRF分词（python）”
CRF算法学习——自己动手实现一个简单的CRF分词（java）
这篇博客主要分三个点吧，首先理解CRF，然后利用CRF++去做参数训练，最后写一个CRF分词的程序，具体程序在我的GitHub上。
参考书籍：《统计学习方法》、《PRML》
继续阅读“CRF算法学习——自己动手实现一个简单的CRF分词（java）”
HMM算法学习——使用Baum-Welch训练HMM分词模型的参数
上一篇已经说过，读取jieba分词的参数用维特比算法去进行分词。
但是也给自己留了个坑，说要训练出来HMM分词的参数。
如果还不懂前向、后向、Gamma这一些东西，请先看上一篇博客
具体代码可以查看 https://github.com/1000-7/xinlp
十分感谢这个博客，博主已经实现了，自己借用了里面的很多内容。
继续阅读“HMM算法学习——使用Baum-Welch训练HMM分词模型的参数”
HMM算法学习——自己动手实现一个简单的HMM分词（java）
现在到了HMM，离CRF又近了一步。
主要书籍：《统计学习方法》
文章相关代码：github::xinlp 继续阅读“HMM算法学习——自己动手实现一个简单的HMM分词（java）”
GMM高斯混合模型
文章相关代码参见github:xinlp
EM算法的一个重要应用是高斯混合模型的参数估计。
高斯混合模型（Gaussian Mixed Model）指的是多个高斯分布函数的线性组合，理论上GMM可以拟合出任意类型的分布，常用于解决同一集合下的数据包含多个不同的分布的情况（或者是同一类分布但参数不一样，或者是不同类型的分布，比如正态分布和伯努利分布）。 继续阅读“GMM高斯混合模型”
EM算法学习
意图识别 <= Bi-LSTM+CRF <= 先懂CRF <= 先懂HMM <= 先懂EM
学习书籍：《概率论与数理统计》陈希儒.《统计学习方法》李航. 《PRML》神书.
此外参考了一些博客，看懂EM还是花了一些时间的，在李航那本书上做了很多笔记，所以整理出来这篇博客。
文章相关代码参见github:xinlp
这一篇就是从EM开始讲，EM的各种变量也统一是用《统计学习方法》这本书的，言归正传。 继续阅读“EM算法学习”