那个代码是 10 年的呢 那时候 opencv 版本还很低 有的函数还有内存泄露问题

现在估计你改吧改吧 还可以跑吧 呵呵

图片主体(主题)识别

如果转载 标明出去呢 MIT 协议 吧

----------------------------

+ 背景是 B2C 会有大量的拍摄图片需要修图然后作为商品的图片

+ 我们这里确定几点先
- 假设都是相同或类似的背景
- 我们认为图片里占图片面积最大 或者次大的为图片主体 或者是商品
- 这里你基本可以理解了 只要识别图片上最大联通区域 的面积基本就搞定

+ 实施 直接 opencv 当然 pyopencv 貌似比 cpp 直接来的简单
- 输入图片
- 确定图片联通区域面积
- 按照联通区域面积排序 得出图里 要取的图片矩形坐标
- 从这些矩形里区域 生成新的图片 哈哈
- 这里没有想像的那么难吧

+ 代码在这里: https://github.com/ghostwwl/ghostlib/blob/master/maxarea.py

再开一个 要不来大批量商品 自动裁剪商品图
也可以说是图片主题(主体)识别

上面问道怎么结婚的时候个好问题
同事介绍 然后结婚 然后生孩子 然后买房子 感谢同事介绍了有北京户口又不是北京人的媳妇 呵呵

学习知识的路线
一般是工作中要用到什么 就去学 然后不太懂或者无法把握之前不要用
比喻 bdb 当时做搜索引擎离线存储的时候 发现这玩意单个文件 100w 后性能下降 但是那时候早也许现在的版本或者 ssd 早不存在那些问题


大道至简 越简单稳定性越高，特别服务级别的程序，还有饼不要摊太大，一块快来，我们只需要考虑 这个小饼子旁边后面还要加其它饼子就 OK 起码先有的吃

这是初稿 大约花了半个小时左右写的，不对或者错误地方， 有时间在填坑

如果转载 标明出去呢 MIT 协议 吧

----------------------------


#### 商品:

+ 类别
+ 各种标签属性
+ 继承来的卖家属性 及标签
+ 继承来的店铺属性及标签
+ 如果是 B2C 还会有继承来的供货商属性及标签
+ 其它分类
- 一次性或者购买周期很长的商品(床，电视，基本大件，或者房子, 车子), 购买后会形成新的购买需求的
- 周期性商品(手纸，日用品...)
- 礼品(比喻生日。。，情人节。。。）


#### 用户:

- 基本标签及属性
- 属于自己的动态兴趣记录
- 用户购买兴趣会变， 可能最近买了个车，然后就产生需求
- 或者最近对明清的古玉有兴趣。。。
- 这个记录应该是一个动态的改变


#### 商品搜索接口:

- 关键词搜索
- 按标签搜索过滤
- 提供各种聚合及聚类分析
- 支持自定义公式排序 这点很重要
- 我要多少天内的，被点赞多少以上， 以及买家收藏到了多少，曾经售出多少，卖家信誉超过多少 的商品
- 几百万或者几千万商品+ 毫秒的聚合和 这是必备基础啊


#### 怎么搞?

1. 我们认为用户的行为会反应他的习惯
2. 我们认为用户的习惯会发生改变
3. 我们认为我们的分析结果还可以改经(设计结构预留后续可继续进行)
4. 设计若干场景, 当然这些场景模型以后可以加
- 用户收藏一件商品 我们可以记录 uid ， 商品 id ， 行为
（这里不记录商品标签，我们认为我们商品分析在后期可能还会进步，所以是直接记录一个商品 id 引用商品)
- 用户周期性看某一类商品 记录 uid ， 类别
- 一段时间内重复看 某一件商品 这里是不是侧面说明购买这个可能性大 但是还在犹豫 价格或者商家地域 物流等因素。。。

5. 用户的购买过的订单数据挖掘
- 比喻最近购买床，大型家电，那么很可能买房子了，这个时候推荐家装家具。。。。
- 没到一个月或者多久买姨妈巾，只要数据足够 你可以得到很多背后的信息
6. 用户收藏的商品兴趣挖掘
- 收藏的商品的个性
- 收藏的商品的共性
7. 基本思想就是用户行为 产生数据， 我们在对数据异步分析得出爱好，再根据爱好和其它因素推荐商品
8. 推荐商品的时候我们以用户最近的需求，和性趣为主，慢慢向上回溯
9. 我们好可以挖掘用户兴趣之间的距离 这样防止冷启动， 对于第一次来的用户， 比喻好多都浏览过什么， 我们就找跟他性趣类似的推荐
然后他的进一步的幸会产生数据了 呵呵
10. 我们尽量一我们能把控的确定数据及标签来操作，不确定的慢慢来

#### 关于机器学习挖掘兴趣？
1. 我们可以看到 好多地方可以聚类，但是当我们结果可以肯定的时候 为什么要那么暴力去用也许我们现在还无法可控的机器学习
2. 我就是要个自行车，你非得搞得一堆。。。， 有时候选择多了并不是好事，直接命中最关键
3. 你看九几年的 神经网络到最近换了个马甲出现的深度学习, 多少年了，让科技再发展伙，先解决问题先
4. 文本挖掘有时候 没有一堆各种情况下的正则实在， 起码正则出来的就是这个正则匹配的我要的，然后机器学习聚类出来的
你怎么去掉不需要的干扰 又是个问题


#### 相关工具
1. 自行脑补热力图
2. 我们可以页面部分使用新推荐口， 然后根据热力图，逐步调整策略
3. 搜索引擎的一些技术，自行脑补 文档矩阵， 倒排索引相关知识

2. 我的特别感谢公司一来作为新人，有技术大牛带，第一个项目就是大约 10w+ 行的一个分布式 python 爬虫项目

首先回答职业发展问题？
1. 10 年前作为 python 程序员入职，那个时候 python 的境地跟现在 golang 差不多，用的公司还不是很多
2. 我的特别感谢公司一来作为新人，有技术大牛带，第一个项目就是大约 10w 或者跟多的一个分布式 python 爬虫项目
3. 让我学到了很多东西，多线程，多语言混合编程，任务调度，正则表达式(曾经一段时间每天写几个小时)
4. 初期做垂直搜索，后期做网站和电商，公司原来很多都是传统软件开发转过来的，我也跟着公司不停的换方向
5. python-->php 公司中途有我见过的最牛的 java(被称为或者的 java 手册), 纯记事本手写，指法飞快
6. 公司中途做过针对特殊行业的输入法，那哥们也牛人， 学化学的在 07 年做带显示的，模拟实景的跑步机，产品出来了没钱推广，来我们这，现在应该是其它公司合伙人

7. 我一直从事开发，转了好多方向页转了好多语言，初期么有方向的时候 不断对模式尝试。
8. 中途经理过技术经理甚至到过技术总监，但是我觉得我的性趣还是在代码上， 只是到后期不习惯写那种体力型代码(更多愿意写一些有难度，有成就感的代码), 但是以我这种性格不太适合做管理(不强势，脾气很大 [可能别人认为很难得，我觉得很简单，就喜欢骂人] ), 所以后期基本是公司需要哪方面的东西我觉做哪方面，用什么技术什么语言自己把握。。。 头衔不太在乎，并且对于技术部从来没超过 20 人左右的团队，那些都是虚的，毕竟出东西第一位。。。

9. 现在个人学 golang 在 呵呵 我觉得这个很有前途 现在的境地有点像 2006 2007 那时候 python 的境地，其实还有一个原因，保持不停的学习新东西，避免学习能力下降和脑子退化(反应慢，健忘)

首先说怎么学习新知识 古语有云 后面忘了原话， 要学习知识首先自己得分得清好的和坏的，还有就是你碰到的问题，肯定不是第一个碰到，但是任何问题到一定的程度还得自己研究了， 当时我决定用 rabbitmq 做消息队列，财务里面，第一是看上有证券交易所用这玩意做每天交易监控核算(米国), 说明了在金融上的 可靠， 其它的问题 我们另说， 然后测试了 我台式机做了 1500w 左右的离线消息堆积 以及模拟断电 发现没有任何数据丢失， 就决定用它了， 但是我们财务要用到延时消息，当时找网上发现好多人因为这个功能放弃 rabbitmq ，我的做法是，把他手册全都看一遍，呵呵 找到了 消息又生存时间按 使用了那个 到到生存时间自动转发 完美实现 也没碰到什么问题


其实一直做技术没有什么不好，不好的是心态，或者是自己认为自己已经写不动代码，那是因为你写的是重复劳动， 找不到接着写下去的乐趣。。。

关键是一批卖商住两用的人 苦了 不好出手
卖商住两用 一要么投资 因为不限购
二是没有户口的刚需 这种很多吧

说到底还是坑了一批人啊

他们不知道有个数学软件叫 lingo 专治这种问题么 垃圾公司 如果说 这些提用 lingo 怎么建模 可能都比这个靠谱点 谁给你手算

就他妈的假金士顿 后来找卖 u 盘的 一顿骂

十年前 我们学院两个公开答辩 我是其中一个 还是第一 头天买的优盘 答辩插上 不认得 我的论文 我的 demo 哎 结果凭记忆盲讲 还好分数后给的不低 想起来一身汗

吃顿好的 😄

你看我能给多少 没咋写过简历

哈工大 ltp

北大的中文有个撒实验室 也出类似的 其实 就是带 词性的分词 然后再处理 python jieba 分词也带词性分词

最简单的 你可以先用 jieba 试试 找名词 和机构名词 我要是没记错 jieba 也带新词发现 。。。

百度的自然语言接口也提供 免费的文本相关的接口 每天有次数限制

实体识别 找这个 相关的库 我用的哈工大的库

INFO 2017-03-18 16:58:52,236] intxt: 有一个叫一腿有限公司的是个好公司
INFO 2017-03-18 16:58:52,236] 1:有 /v[-1:HED] 2:一个 /m[7:SBV] 3:叫 /v[7:SBV] 4:一 /m[4:ATT] 5:腿 /n[5:ATT] 6:有限公司 /n[2:VOB] 7:的 /u[2:RAD] 8:是 /v[0:COO] 9:个 /q[10:ATT] 10:好 /a[10:ATT] 11:公司 /n[7:VOB]
INFO 2017-03-18 16:58:52,236] A1(3, 5): 一 腿 有限公司
INFO 2017-03-18 16:58:52,236] A0(1, 1): 一个
INFO 2017-03-18 16:58:52,236] A0(6, 6): 的
INFO 2017-03-18 16:58:52,236] A1(8, 10): 个 好 公司
INFO 2017-03-18 16:58:52,236] ------------------------------------------------------------

看到没有 一腿有限公司 成功识别 当然这个公司是不存在的 呵呵

中文处理里面有个 实体识别 就是代词性的分词 然后找到那些 为 机构名词