忘了在哪个网站做的了,呵呵,这也是我的gtalk

我的msn:

http://health.163.com/06/1115/09/2VV9I6RT00181RAA.html

曼妥斯(Mentos)和可口可乐(Cola)混合在一起会发生什么效果？看过下面的视频你就知道。

　　两个实验人员，将曼妥斯放到可乐里就会发生井喷反应。所以千万不要同时吃这两种东西，免得你的肚子被撑破。你有兴趣可以买这两样东西自己实验下瞧瞧这个井喷威力有多大，也许你自己试过了才会相信。

　　(综合华商晨报、You tube网等相关内容) 

就是这么的奇怪

本来以为会来北京的去了上海

本来会去上海的来了北京

也好，也好

http://news.xinhuanet.com/ziliao/2003-10/24/content_1140829.htm

   在西方国家，每年的１０月３１日，有个“Halloween”，辞典解释为“The eve of All Saints'Day”，中文译作：“万圣节之夜”。万圣节是西方国家的传统节日。这一夜是一年中最“闹鬼”的一夜，所以也叫“鬼节”。

    两千多年前，欧洲的天主教会把１１月１日定为“天下圣徒之日” (ALL HALLOWS DAY) 。“HALLOW” 即圣徒之意。传说自公元前五百年，居住在爱尔兰、苏格兰等地的凯尔特人 (CELTS) 把这节日往前移了一天，即１０月３１日。他们认为该日是夏天正式结束的日子，也就是新年伊始，严酷的冬季开始的一天。那时人们相信，故人的亡魂会在这一天 回到故居地在活人身上找寻生灵，借此再生，而且这是人在死后能获得再生的唯一希望。而活着的人则惧怕死魂来夺生，于是人们就在这一天熄掉炉火、烛光，让死 魂无法找寻活人，又把自己打扮成妖魔鬼怪把死人之魂灵吓走。之后，他们又会把火种烛光重新燃起，开始新的一年的生活。传说那时凯尔特人部落还有在１０月 ３１日把活人杀死用以祭奠死人的习俗。   

    到了公元１世纪，占领了凯尔特部落领地的罗马人也渐渐接受了万圣节习俗，但从此废止了烧活人祭死人的野蛮做法。罗马人庆祝丰收的节日与凯尔特人仪式结合， 戴着可怕的面具，打扮成动物或鬼怪，则是为了赶走在他们四周游荡的妖魔。这也就是今天全球大部分人以古灵精怪的打扮，来庆祝万圣节的由来。时间流逝，万圣 节的意义逐渐起了变化，变得积极快乐起来，喜庆的意味成了主流。死魂找替身返世的说法也渐渐被摒弃和忘却。到了今天，象征万圣节的形象、图画如巫婆、黑猫 等，大都有友善可爱和滑稽的脸。     美国佛州：水下万圣节     布鲁塞尔的万圣节     香港时代广场迎万圣

脸谱化妆是万圣节传统节目

    "Halloween"一词的产生

    很多民族都在万圣节前夜有庆典聚会，这又被叫做“All Hallow E'en”、“The Eve of All Hallows”、“Hallow e'en”，或者“The eve of All Saintas'Day”。最终约定俗成演变成了“Halloween”，中文意译成了万圣节之夜。

    万圣节的习俗——不请吃就捣乱

    万圣节的一个有趣内容是“Trick or treat”，这习俗却并非源自爱尔兰，而是始于公元九世纪的欧洲基督教会。那时的１１月２日，被基督徒们称为 “ALL SOULS DAY”（万灵之日）。在这一天，信徒们跋涉于僻壤乡间，挨村挨户乞讨用面粉及葡萄干制成的“灵魂之饼”。据说捐赠糕饼的人家都相信教会僧人的祈祷，期待 由此得到上帝的佑护，让死去的亲人早日进入天堂。这种挨家乞讨的传统传至当今竟演变成了孩子们提着南瓜灯笼挨家讨糖吃的游戏。见面时，打扮成鬼精灵模样的 孩子们千篇一律地都要发出“不请吃就捣乱”的威胁，而主人自然不敢怠慢，连声说“请吃！请吃！”同时把糖果放进孩子们随身携带的大口袋里。

    另外还有南瓜雕空当灯笼的故事。这又是源于古代爱尔兰。故事是说一个名叫 JACK 的人，是个醉汉且爱恶作剧。一天 JACK 把恶魔骗上了树，随即在树桩上刻了个十字，恐吓恶魔令他不敢下来，然后 JACK 就与恶魔约法三章，让恶魔答应施法让 JACK 永远不会犯罪为条件让他下树。 JACK 死后，其灵魂却既不能上天又不能下地狱，于是他的亡灵只好靠一根小蜡烛照着指引他在天地之间倘佯。

妖魔鬼怪翩翩起舞

2004年10月30日，一名手持气球的罗马尼亚 儿童在首都布加勒斯特参加万圣节活动。

在古老的爱尔兰传说里，这根小蜡烛是在一根挖空的萝卜里放着，称作“JACK LANTERNS”，而古老的萝卜灯演变到今天，则是南瓜做的 Jack-O-Lantern 了。据说爱尔兰人到了美国不久，即发现南瓜不论从来源和雕刻来说都比萝卜胜一筹，于是南瓜就成了万圣节的宠物。

    孩子们喜爱的节日 

    万圣节是儿童们纵情玩乐的好时候。它在孩子们眼中，是一个充满神秘色彩的节日。夜幕降临，孩子们便迫不及待地穿上五颜六色的化妆服，戴上千奇百怪的面具， 提上一盏“杰克灯”跑出去玩。“杰克灯”的样子十分可爱，做法是将南瓜掏空，外面刻上笑眯眯的眼睛和大嘴巴，然后在瓜中插上一支蜡烛，把它点燃，人们在很 远的地方便能看到这张憨态可掬的笑脸。

     收拾停当后，一群群装扮成妖魔鬼怪的孩子手提“杰克灯”，跑到邻居家门前，威吓般地喊着：“要恶作剧还是给款待”、“给钱还是给吃的”。 如果大人不用糖果、零钱款待他们，那些调皮的孩子就说到做到：好，你不款待，我就捉弄你。他们有时把人家的门把手涂上肥皂，有时把别人的猫涂上颜色。这些 小恶作剧常令大人啼笑皆非。当然，大多数人家都非常乐于款待这些天真烂漫的小客人。所以万圣节前夜的孩子们总是肚子塞得饱饱的，口袋装得满满的。 

    万圣节前夜最流行的游戏是“咬苹果”。游戏时，人们让苹果漂浮在装满水的盆里，然后让孩子们在不用手的条件下用嘴去咬苹果，谁先咬到，谁就是优胜者。

http://googlechinablog.com/2006/10/blog-post.html

[我们在投资时常常讲不要把所有的鸡蛋放在一个篮子里，这样可以降低风险。在信息处理中，这个原理同样适用。在数学上，这个原理称为最大熵原理(the maximum entropy principle)。这是一个非常有意思的题目，但是把它讲清楚要用两个系列的篇幅。]

前段时间，Google 中国研究院的刘骏总监谈到在网络搜索排名中，用到的信息有上百种。更普遍地讲，在自然语言处理中，我们常常知道各种各样的但是又不完全确定的信息，我们需要用一个统一的模型将这些信息综合起来。如何综合得好，是一门很大的学问。

让 我们看一个拼音转汉字的简单的例子。假如输入的拼音是"wang-xiao-bo"，利用语言模型，根据有限的上下文(比如前两个词)，我们能给出两个最 常见的名字“王小波”和“王晓波”。至于要唯一确定是哪个名字就难了，即使利用较长的上下文也做不到。当然，我们知道如果通篇文章是介绍文学的，作家王小 波的可能性就较大；而在讨论两岸关系时，台湾学者王晓波的可能性会较大。在上面的例子中，我们只需要综合两类不同的信息，即主题信息和上下文信息。虽然有 不少凑合的办法，比如：分成成千上万种的不同的主题单独处理，或者对每种信息的作用加权平均等等，但都不能准确而圆满地解决问题，这样好比以前我们谈到的 行星运动模型中的小圆套大圆打补丁的方法。在很多应用中，我们需要综合几十甚至上百种不同的信息，这种小圆套大圆的方法显然行不通。

数学上最漂亮的办法是最大熵(maximum entropy)模型，它相当于行星运动的椭圆模型。“最大熵”这个名词听起来很深奥，但是它的原理很简单，我们每天都在用。说白了，就是要保留全部的不确定性，将风险降到最小。让我们来看一个实际例子。

有 一次，我去 AT&T 实验室作关于最大熵模型的报告，我带去了一个色子。我问听众“每个面朝上的概率分别是多少”，所有人都说是等概率，即各点的概率均为1/6。这种猜测当然 是对的。我问听众们为什么，得到的回答是一致的：对这个“一无所知”的色子，假定它每一个朝上概率均等是最安全的做法。（你不应该主观假设它象韦小宝的色 子一样灌了铅。）从投资的角度看，就是风险最小的做法。从信息论的角度讲，就是保留了最大的不确定性，也就是说让熵达到最大。接着，我又告诉听众，我的这 个色子被我特殊处理过，已知四点朝上的概率是三分之一，在这种情况下，每个面朝上的概率是多少？这次，大部分人认为除去四点的概率是 1/3，其余的均是 2/15，也就是说已知的条件（四点概率为 1/3）必须满足，而对其余各点的概率因为仍然无从知道，因此只好认为它们均等。注意，在猜测这两种不同情况下的概率分布时，大家都没有添加任何主观的假 设，诸如四点的反面一定是三点等等。（事实上，有的色子四点反面不是三点而是一点。）这种基于直觉的猜测之所以准确，是因为它恰好符合了最大熵原理。

最 大熵原理指出，当我们需要对一个随机事件的概率分布进行预测时，我们的预测应当满足全部已知的条件，而对未知的情况不要做任何主观假设。（不做主观假设这 点很重要。）在这种情况下，概率分布最均匀，预测的风险最小。因为这时概率分布的信息熵最大，所以人们称这种模型叫“最大熵模型”。我们常说，不要把所有 的鸡蛋放在一个篮子里，其实就是最大熵原理的一个朴素的说法，因为当我们遇到不确定性时，就要保留各种可能性。

回到我们刚才谈到的拼音转 汉字的例子，我们已知两种信息，第一，根据语言模型，wang-xiao-bo 可以被转换成王晓波和王小波；第二，根据主题，王小波是作家，《黄金时代》的作者等等，而王晓波是台湾研究两岸关系的学者。因此，我们就可以建立一个最大 熵模型，同时满足这两种信息。现在的问题是，这样一个模型是否存在。匈牙利著名数学家、信息论最高奖香农奖得主希萨（Csiszar）证明，对任何一组不 自相矛盾的信息，这个最大熵模型不仅存在，而且是唯一的。而且它们都有同一个非常简单的形式 -- 指数函数。下面公式是根据上下文（前两个词）和主题预测下一个词的最大熵模型，其中 w3 是要预测的词（王晓波或者王小波）w1 和 w2 是它的前两个字（比如说它们分别是“出版”，和“”），也就是其上下文的一个大致估计，subject 表示主题。



我们看到，在上面的公式中，有几个参数 lambda 和 Z ，他们需要通过观测数据训练出来。

最大熵模型在形式上是最漂亮的统计模型，而在实现上是最复杂的模型之一。我们在将下一个系列中介绍如何训练最大熵模型的诸多参数，以及最大熵模型在自然语言处理和金融方面很多有趣的应用。