zz from William Long @ Google Buzz (link)

======================================================
英语达人告诉你，如何用美剧真正提升你的英语水平

1. 不是所有的美剧都适合学英语

如果喜欢看如《24小 时》这样的动作片, 那你基本会讲一口流利的”呯”"轰”"啊”之类的开枪爆炸声英语.如果你喜欢看如《豪斯医生》这种专业性很强的片子,那你基本会讲一些如 MRI,CT,Tumor之类的连自己都不明白的江湖郎中英语.如果看的是《越狱》,基本不用举手,别人就知道你是黑手党的了.不是所有剧都合适的,用来学习的美剧,是要有一定对话量,生活化的,平民化的片子.

2. 开着字幕看是没有前途的

很 多人喜欢开着字幕看,觉得会有参照更有帮助,其实这是在拖你的后腿.就像很多人结婚,喜欢找个比自己丑的伴娘,以为这样自己就进步了,事实上是被拖下水 了.中文是母语,对我们的眼球来说有无比强大的吸引力,只要在那里,你一定会看,就像放个美女在眼前,男人一定会看,不看的可能是老婆在一边,或是他爱人 也是个男人.一般人永远会不自觉通过中文字幕理解英语,而不是通过听懂-理解-记忆-重复,这样的过程学到英语.

3.看一遍是不够的

看 一遍根本不能叫学英语,充其量只能叫娱乐.如果是抱着学习的目的,必须反复看,精听,理解句子词语的意思,为我所用才行.如果看一遍,基本你就被情节彻底 打败了,或哭或笑,反复思考自己该拥有里的哪种超能力,担心下集可以下载前的日子该怎么过,哪还有心思管学英语这码事,哪怕讲 的是柬埔寨语都无所谓.所以通过看个几遍,基本到了对剧情已经免疫的程度,如看老友记看到已经笑不出来了,那差不多可以洗干净耳朵仔细听了.

给大家推荐几部我最喜欢用来正常学英语的美剧:

1. 初级:Friends

Friends是经典中的经典,对于英语初级水平的朋友来说,是突破发音和对话交流最好的美剧.整个剧都是人物间谈话,而且都很简短,没有长句,词汇非常简单,基本是plain english的典范.我发觉自己的英文有明显的提升,就是在看这部剧多达十遍后.

2. 中级:Desperate Housewives

这部剧讲述的是美国中产阶级的故事,所以用词和语言非常标准,相对于Friends有更多的长句和表达,非常适合中级水平的朋友学习.

3. 高级:The West Wing

这是关于美国白宫的政治题材美剧,整个剧基本都是对话,而且语速非常快,充斥着辩论和演讲,词汇也非常高级,听起来很有难度.如果能把这部剧都搞透了,真可以谢谢十八辈祖宗了.

通过看美剧的方法，在2个月的时间内将《欲望都市》看了4至5遍，托福听力由原先的20分的水平升至了满分。她的做法就是，找到一部自己很喜欢的美剧，然后先看一遍带中文字幕的。了解了大致的剧情，满足了自己休闲娱乐的好奇心，然后第二，三遍的时候开始看带双语字幕的，遇到不认识的生词，就停下来查一查，然后记录。这样虽然比较费时，但是相比死气沉沉地不停地听抄听写，已经要生动很多。经过一段时间的积累，已经记了满满一本的生词和句型。这个时候，再去看第四遍和第五遍，完全脱离拐杖，不带中英字幕。经过前面的积累，这时候再看情节已经轻松很多，并且能够深入理解每个人物在说这句对白时候的动机和理由，对语言本身的理解也更深入了一步。于此同时，进行一下跟读。比如，听到一个人物的口语很好听，发音标准优雅，就刻意地进行一下模仿，体会一下她的语音、语调、重音、节奏。这样在训练了听力的前提下，口语水平也会有大幅度地提升。要知道美剧当中的对白和旁白是最好的口语学习范本。

在看美剧学习语言的时候要注意些什么？首先，注意发音。对于任何一门语言，语音是基础，它不仅包括单词的发音，还包括真实交际中词汇、习语的连读、失爆、弱化、浊化、重音、缩读等一系列的音变形式。至于语调节奏，则是地道流利表达英语的润滑剂，没有接触过地道的外国人，没有和他们有过面对面的交谈，是很难感受到语调节奏在表达思想中的巨大作用和强大震撼力的。因此要仔细地体会美剧之中，人物的发音和表达之中的语言习惯。其次，了解文化。语言是文化的载体，用词和句式使用是否准确直接体现了对异国文化了解的程度。可以说，发音好其实只是与美国人的语言形似，如果能够掌握美国人的思维习惯和文化，用美国文化去思维，则可达到神似的效果。这就是一种立体的学习方式，美剧则是这种学习方法最好的媒介。

一、准备好笔和纸，将笔放在鼠标旁边，将便笺放在屏幕和座椅之间，作好随时停顿和记录的预备动作。

二、只记录能引发自己内心感触和共鸣的语句和一些符合自身个性特色的句型及语法。

三、记录的时候最好不要分析思考和尝试记忆，待整个影片观看完毕之后，将统一回顾和整理。

四、一部章节或一部电影里面的典型句子和精彩对白记录完毕之后，一定要趁热打铁，想办法用上。（如通过写博客或者到英语角去操练。如果有参加培训班的话，一定不要放过任何能锻炼自己演讲口才的机会。）

五、再告诉大家一个绝活：如果你发现了那种让自己百看不厌的经典英文影片，不妨通过全能音频转换通软件将它的MP3提取出来，然后到网站上下载完整的英文字幕，再用LRC歌词编辑器将它做成同步显示歌词文本，放到自己的MP3或者电脑里，随时温习，处处操练。不知不觉这部影片的精髓尽入脑海，随时引用。从而达到通过影视学英语的最终目的。

不少英语学习者都有这样的困惑：学了十几年的英语，通过了考试，能完全听懂标准语速的英语新闻广播，可就是听（看）不懂英语原版影视剧（无中文字幕），这使他们开始怀疑自己的听力能力。
要解决这个问题，我们先来了解一下新闻英语和影视英语之间的区别。首先，两者在语体上有较大的区别。前者是书面语体的口头形式，用于正式的交际场合，经过加工和润饰，比较文雅，是合乎标准的书面语言，因而使较多使用长句、复句、结构严谨的完整句。布局层次分明、逻辑关系严谨是它的主要特征。后者为口头语体，以日常会话为基本形式，一般用于交际双方直接接触的场合，因而多使用短句、单句、省略句。随意性，不完整是它的主要特征。在英语学习过程中，我国的英语学习者接触的绝大部分是书面语体。而在英语影视剧中，口头体的语言材料是最重要的特征，具体表现为口语中流行的惯用表达方式、俚语以及相关的跨文化因素。其次，在语言材料的输出方面二者也存在较大的差异。英语新闻或英语故事通常是一人输出，输出者往往经过专业训练，发音标准流畅，语速均匀。以美国英语为例，语音输出速率一般在150音节/分钟，而在影视中，角色众多，根据剧情的要求，每个角色都有自身特有的语音、语调和语速，再加上连读、弱读等，这些都使其与英语学习都所熟悉的听力材料相差甚远，故造成了难以看（听）懂英语原版影视的情况。
因此，看原版英语影视剧是练习英语听说的最好途径，影视剧通过声音与图像共同组成了完整的信息，将视觉刺激和听觉刺激有效地结合在一起，这是其它学习手段所不能达到的，同时还可以调动学习英语的兴趣，做到寓学于乐。
那么怎样才能使学习者基本上能听懂原版英语影视剧呢？
第一， 正确选择影视材料。在初级阶段，可选择那些与日常生活比较贴近、故事情节较强的影视材料，如肥皂剧。不要选那些专业术语较多或是逻辑推理较强的影视材料，如科幻、法律、医学、刑侦等。不宜选情景剧，因为情景剧一般固定在一、两个场景中，故事情节不足，有碍学习者对剧情的理解，另一方面情景剧对话多、信息量大且密集度高。加之丰富的俚语、流行语和文化背景知识，更增加了理解的困难。此外，也不要选择卡通片，因为卡通片的角色的语音和语调其极夸张，不易理解。建议采用电视剧作入门材料，每一集比较短，一般在45分钟左右，情节交代比较详细，剧情发展比较慢而又相对独立，便于理解。
第二， 采用正确的学习方法。在观看学习时，绝对不能看字幕（可将字幕隐去），要强迫自己全身心去听、去理解，坚持由浅入深、循序渐进的原则。建议每天花一天两个小时，第次看一集，每一集至少看四遍。第一遍以了解剧情为主，不必在意能听懂多少；第二遍全神贯注地观看，尽可能地去理解；第三遍要有针对性地观看，对于不易听懂的对话要反复多次听，对实在听不懂的，建议使用复读机听写软件观看，既方便，效果又好，如能做到听写台词则效果更佳；第四遍，将这一集配上英文字幕，再看一遍。四遍看完之后，再仔细研读剧本。弄清楚难点和生词，并将一些比较好的表达方式、惯用法等记录下来作为积累，并不断练习提高英语口语能力。此外，如有必要也可看过两、三遍之后，再用MP3随时听。在有关的共享网站上，可下载各种影视剧的视频、MP3、英文剧本和中英文字幕。
在第一阶段的学习中，可选择Desperate Housewives(绝望的主妇)作入门材料。该剧曾经获得全美收视冠军，它贴近日常生活，剧情引人入胜，更主要的是它的语言比较简单规范、地道，没有像情景剧那么多的惯用法、流行语和俚语，同时又有舒缓优美的女声旁白惯穿于全剧，特别有助于对剧情的理解，这也是该剧的一大特色。非常适合于初学者。 Desperate Housewives(绝望的主妇) 现在有三季，每季有二十三集。看完这三季，学习者观看英语原版影视的能力会得到较大的提高。
第二阶段的学习可采用Gilmore Girls(共七季)这也是一部生活剧，特别适合青少年学生观看，其语言规范易懂。还有One Tree Hill（篮球兄弟）共三季，是一部有关篮球的青少年偶像剧。
第三阶段的学习可采用Sex and the City（都市欲望）共六季，该剧描述了四位白领女性的都市生活，也是一部经典剧集，曾获多项艾美奖；或是The O.C（共三季），一部青春偶像剧。通过对以上电视剧的观看和学习，你的视听理解能力心及口语能力会得到飞跃。如果哪一天你能不借助字幕轻松地听懂情景剧 Will & Grace所有的内容，那么恭喜你，你的英语水平已经到了足够高的境界，作为学英语的材料，它比Friends层次更高。演员的语速更快，台词更难，文化背景更多。
以上的方法我们称之为精看（听）。除精看（听），也可以进行一些泛听（看）。先一些台词不多或是自己喜欢的影视剧来观看，一方面也可以缓解精听的紧张听力，自娱自乐；另一方面也可以检验一下效果。但不要给自己任何压力，看（听）不懂也没关系。
同时也要做好相应阅读以增加词汇、惯用法、流行语以及文化背景知识。由于我们目前能接触的绝大部分为美国影视资料，建议大家多看一点有关美国的语言文化资料。如Reader’s Digest，这是一本平民化的美国畅销杂志，与日常生活非常贴近。还要读一些有关美国流行口语和俚语的书籍。这会对理解英语影视有很大的帮助。
有人不无夸张地说：看一部美国影视胜过在美国生活十天。我们没有英语听说的语言环境，但可以通过看英语影视剧来创造一种“习得听说“的英语语言环境，使自己如身临其境般学到纯正地道的英语。
此外，看（听）只是语言交际的输入，决不能忽略它的输出—说，因为在看（听）英语影视时，要认真做好学习笔记，对于比较有用的表达方式要不断诵记，反复操练。这样才能将听与说有效地结合起来。
最后推荐给大家一些有关的网站和书籍：
1、 www.langfly.com 有一款能飞英语软件，配套很多影视剧，可以满足上面所能听懂原版英语影视剧的软件。很好用。可以取一小段时间段反复听；每句循环听；中英文显示与隐藏；逆向听写，标注生词，重点句；生成MP3的字幕文件，可导入MP3或MP4中听；测试生词或重点句，等等。。。（在这里我推荐给大家用）
2、 www.verycd.com 这是一个非常著名的分享网站。在这里你几乎可找到所有的英语影视。但是下载电视剧要注意它没有中文字幕。有关字幕的情况有两种：外挂和内嵌。要下载外挂字幕的那种，内嵌的事先已经将中文字幕写入影视中。
3、www.torrentportal.com 这是个国外影视资料分享网。
4、www.shooter.cn是一个字幕网站，所有的影视的中英文字幕都可在这里找到。
5、www.k555.cn 这是英语电影电视剧本网站。在这里你可以学习到如何将影视视频转成MP3。
6、www.1000fr.com 是个电影电视网站。在这里你可以学到如何外挂字幕。
7、www.simplyscripts.com 一个国外的剧本网站。
8、《当代美国流行语》吴青、赤杰 编著，对外经济贸易大学出版社。
9、《时尚英语—美国流行文化A to Z》刘彦，外语教学与研究出版社。
10、What’s up ?—-A guide to American College speak(《美国英语沟通高手》)Jamie Drucker著，大连理工大学出版社。。。

2. 在会议中征求反馈意见。反对声胜于鸦雀无声。(ReadWriteWeb Startup的文章看到的，讲如何向VC推销自己，如何做presentation，其中有这么一条，觉得很受用，想想很有道理的话，你做演讲的目的，不是要大家恭维，而是确实要大家有兴趣继续讨论，让大家去思考你的问题。如果没有任何的回声(沉默)。。。呵呵，关于此条，请勿随意联想)

3. 要经常性的主动和老师联系，这样老师才能及时了解你的进展，知道你或许遇到的问题。因为，如果你不同老师联系的话，老师会默认为你是没有什么问题的。

4. 要帮助老师排忧解难，给老师信心，也给自己信心。

(前段时间，校长请来北京理工的陈长根教授来做演讲，跟研究生讲成功，停下来觉得确实值。本来会议说会后要发此次报告文档的，结果因为太抢手，发到我们的时候已经全部赠送完毕了 结果印象最深的就是这两条了。ps：当时俺们坐在第二排，在杨校长后面，也算是坐在成功人士背后的人了吧 哈哈 )

5. multi-anchor 会不会是个好思路？(最近看相关资料时的一个想法，嗯)

2008年5月12日

附：国务院机构英文译名

一、中华人民共和国国务院办公厅
General Office of the State Council of the People’s Republic of China
中文简称：国务院办公厅

二、国务院组成部门
中华人民共和国外交部
Ministry of Foreign Affairs of the People’s Republic of China
中文简称：外交部

中华人民共和国国防部
Ministry of National Defence of the People’s Republic of China
中文简称：国防部

中华人民共和国国家发展和改革委员会
National Development and Reform Commission of the People’s Republic of China
中文简称：发展改革委

中华人民共和国教育部
Ministry of Education of the People’s Republic of China
中文简称：教育部

中华人民共和国科学技术部
Ministry of Science and Technology of the People’s Republic of China
中文简称：科技部

中华人民共和国工业和信息化部
Ministry of Industry and Information Technology of the People’s Republic of China
中文简称：工业和信息化部

中华人民共和国国家民族事务委员会
State Ethnic Affairs Commission of the People’s Republic of China
中文简称：国家民委

中华人民共和国公安部
Ministry of Public Security of the People’s Republic of China
中文简称：公安部

中华人民共和国国家安全部
Ministry of State Security of the People’s Republic of China
中文简称：安全部

中华人民共和国监察部
Ministry of Supervision of the People’s Republic of China
中文简称：监察部

中华人民共和国民政部
Ministry of Civil Affairs of the People’s Republic of China
中文简称：民政部

中华人民共和国司法部
Ministry of Justice of the People’s Republic of China
中文简称：司法部

中华人民共和国财政部
Ministry of Finance of the People’s Republic of China
中文简称：财政部

中华人民共和国人力资源和社会保障部
Ministry of Human Resources and Social Security of the People’s Republic of China
中文简称：人力资源社会保障部

中华人民共和国国土资源部
Ministry of Land and Resources of the People’s Republic of China
中文简称：国土资源部

中华人民共和国环境保护部
Ministry of Environmental Protection of the People’s Republic of China
中文简称：环境保护部

中华人民共和国住房和城乡建设部
Ministry of Housing and Urban-Rural Development of the People’s Republic of China
中文简称：住房城乡建设部

中华人民共和国交通运输部
Ministry of Transport of the People’s Republic of China
中文简称：交通运输部

中华人民共和国铁道部
Ministry of Railways of the People’s Republic of China
中文简称：铁道部

中华人民共和国水利部
Ministry of Water Resources of the People’s Republic of China
中文简称：水利部

中华人民共和国农业部
Ministry of Agriculture of the People’s Republic of China
中文简称：农业部

中华人民共和国商务部
Ministry of Commerce of the People’s Republic of China
中文简称：商务部

中华人民共和国文化部
Ministry of Culture of the People’s Republic of China
中文简称：文化部

中华人民共和国卫生部
Ministry of Health of the People’s Republic of China
中文简称：卫生部

中华人民共和国国家人口和计划生育委员会
National Population and Family Planning Commission of the People’s Republic of China
中文简称：人口计生委

中国人民银行
People’s Bank of China
中文简称：人民银行

中华人民共和国审计署
National Audit Office of the People’s Republic of China
中文简称：审计署

三、国务院直属特设机构
国务院国有资产监督管理委员会
State-owned Assets Supervision and Administration Commission of the State Council
中文简称：国资委

四、国务院直属机构
中华人民共和国海关总署
General Administration of Customs of the People’s Republic of China
中文简称：海关总署

国家税务总局
State Administration of Taxation
中文简称：税务总局

国家工商行政管理总局
State Administration for Industry and Commerce
中文简称：工商总局

国家质量监督检验检疫总局
General Administration of Quality Supervision, Inspection and Quarantine
中文简称：质检总局

国家广播电影电视总局
State Administration of Radio, Film and Television
中文简称：广电总局

国家新闻出版总署（国家版权局）
General Administration of Press and Publication (National Copyright Administration)
中文简称：新闻出版总署，版权局

国家体育总局
General Administration of Sport
中文简称：体育总局

国家安全生产监督管理总局
State Administration of Work Safety
中文简称：安全监管总局

国家统计局
National Bureau of Statistics
中文简称：统计局

国家林业局
State Forestry Administration
中文简称：林业局

国家知识产权局
State Intellectual Property Office
中文简称：知识产权局

国家旅游局
National Tourism Administration
中文简称：旅游局

国家宗教事务局
State Administration for Religious Affairs
中文简称：宗教局

国务院参事室
Counsellors’ Office of the State Council
中文简称：参事室

国务院机关事务管理局
Government Offices Administration of the State Council
中文简称：国管局

国家预防腐败局
National Bureau of Corruption Prevention
中文简称：预防腐败局

五、国务院办事机构
国务院侨务办公室
Overseas Chinese Affairs Office of the State Council
中文简称：侨办

国务院港澳事务办公室
Hong Kong and Macao Affairs Office of the State Council
中文简称：港澳办

国务院法制办公室
Legislative Affairs Office of the State Council
中文简称：法制办

国务院研究室
Research Office of the State Council
中文简称：国研室

六、国务院直属事业单位
新华通讯社
Xinhua News Agency
中文简称：新华社

中国科学院
Chinese Academy of Sciences
中文简称：中科院

中国社会科学院
Chinese Academy of Social Sciences
中文简称：社科院

中国工程院
Chinese Academy of Engineering
中文简称：工程院

国务院发展研究中心
Development Research Centre of the State Council
中文简称：发展研究中心

国家行政学院
National School of Administration
中文简称：行政学院

中国地震局
China Earthquake Administration
中文简称：地震局

中国气象局
China Meteorological Administration
中文简称：气象局

中国银行业监督管理委员会
China Banking Regulatory Commission
中文简称：银监会

中国证券监督管理委员会
China Securities Regulatory Commission
中文简称：证监会

中国保险监督管理委员会
China Insurance Regulatory Commission
中文简称：保监会

国家电力监管委员会
State Electricity Regulatory Commission
中文简称：电监会

全国社会保障基金理事会
National Council for Social Security Fund
中文简称：社保基金会

国家自然科学基金委员会
National Natural Science Foundation
中文简称：自然科学基金会

七、国务院部委管理的国家局
国家信访局
State Bureau for Letters and Calls
中文简称：信访局

国家粮食局
State Administration of Grain
中文简称：粮食局

国家能源局
National Energy Administration
中文简称：能源局

国家国防科技工业局
State Administration of Science,Technology and Industry for National Defence
中文简称：国防科工局

国家烟草专卖局
State Tobacco Monopoly Administration
中文简称：烟草局

国家外国专家局
State Administration of Foreign Experts Affairs
中文简称：外专局

国家公务员局
State Administration of Civil Service
中文简称：公务员局

国家海洋局
State Oceanic Administration
中文简称：海洋局

国家测绘局
State Bureau of Surveying and Mapping
中文简称：测绘局

中国民用航空局
Civil Aviation Administration of China
中文简称：民航局

国家邮政局
State Post Bureau
中文简称：邮政局

国家文物局
State Administration of Cultural Heritage
中文简称：文物局

国家食品药品监督管理局
State Food and Drug Administration
中文简称：食品药品监管局

国家中医药管理局
State Administration of Traditional Chinese Medicine
中文简称：中医药局

国家外汇管理局
State Administration of Foreign Exchange
中文简称：外汇局

国家煤矿安全监察局
State Administration of Coal Mine Safety
中文简称：煤矿安监局

国务院台湾事务办公室
Taiwan Affairs Office of the State Council
中文简称：台办

国务院新闻办公室
Information Office of the State Council
中文简称：新闻办

国家档案局
State Archives Administration
中文简称：档案局

国家保密局
National Administration for the Protection of State Secrets
中文简称：保密局

国家密码管理局
State Cryptography Administration
中文简称：密码局

国家航天局
China National Space Administration
中文简称：航天局

国家原子能机构
China Atomic Energy Authority
中文简称：原子能机构

国家语言文字工作委员会
State Language Commission
中文简称：国家语委

国家核安全局
National Nuclear Safety Administration
中文简称：核安全局

注：1.本文件中的英文译名使用英式拼写，但各单位可根据需要选用美式拼写。
2.中文名称中未冠以“中华人民共和国”或“中国”字样的单位，在对外交往中可根据需要，在英文译名中加上“the People’s Republic of China”（全称）或“China”（简称）的字样。

zz from here

闲着无事，想写点一些我所了解的machine learning大家。由于学识浅薄，见识有限，并且仅局限于某些领域，一些在NLP及最近很热的生物信息领域活跃的学者我就浅陋无知，所以不对的地方大家仅当一笑。

Machine Learning 大家(1)：M. I. Jordan

在我的眼里，M Jordan无疑是武林中的泰山北斗。他师出MIT，现在在berkeley坐镇一方，在附近的两所名校（加stanford）中都可以说无出其右者，stanford的Daphne Koller虽然也声名遐迩，但是和Jordan比还是有一段距离。

Jordan身兼stat和cs两个系的教授，从他身上可以看出Stat和ML的融合。

Jordan 最先专注于mixtures of experts，并迅速奠定了自己的地位，我们哈尔滨工业大学的校友徐雷跟他做博后期间，也在这个方向上沾光不少。Jordan和他的弟子在很多方面作出了开创性的成果，如spectral clustering， Graphical model和nonparametric Bayesian。现在后两者在ML领域是非常炙手可热的两个方向，可以说很大程度上是Jordan的lab一手推动的。

更难能可贵的是， Jordan不仅自己武艺高强，并且揽钱有法，教育有方，手下门徒众多且很多人成了大器，隐然成为江湖大帮派。他的弟子中有10多人任教授，个人认

为他现在的弟子中最出色的是stanford的Andrew Ng，不过由于资历原因，现在还是assistant professor，不过成为大教授指日可待；另外Tommi Jaakkola和David Blei也非常厉害，其中Tommi Jaakkola在mit任教而David Blei在cmu做博后，数次获得NIPS最佳论文奖，把SVM的最大间隔方法和Markov network的structure结构结合起来，赫赫有名。还有一个博后是来自于toronto的Yee Whye Teh，非常不错，有幸跟他打过几次交道，人非常nice。另外还有一个博后居然在做生物信息方面的东西，看来jordan在这方面也捞了钱。这方面他有一个中国学生Eric P. Xing(清华大学校友)，现在在cmu做assistant professor。

总的说来，我觉得 Jordan现在做的主要还是graphical model和Bayesian learning，他去年写了一本关于graphical model的书，今年由mit press出版，应该是这个领域里程碑式的著作。3月份曾经有人答应给我一本打印本看看，因为Jordan不让他传播电子版，但后来好像没放在心上（可见美国人也不是很守信的），人不熟我也不好意思问着要，可以说是一大遗憾. 另外发现一个有趣的现象就是Jordan对hierarchical情有独钟，相当多的文章都是关于hierarchical的，所以能 hierarchical大家赶快hierarchical，否则就让他给抢了。

用我朋友话说看jordan牛不牛，看他主页下面的Past students and postdocs就知道了。

Machine Learning大家（2）：D. Koller

D. Koller是1999年美国青年科学家总统奖(PECASE)得主，IJCAI 2001 Computers and Thought Award(IJCAI计算机与思维奖，这是国际人工智能界35岁以下青年学者的最高奖)得主，2004 World Technology Award得主。

最先知道D koller是因为她得了一个大奖，2001年IJCAI计算机与思维奖。Koller因她在概率推理的理论和实践、机器学习、计算博弈论等领域的重要贡献，成为继Terry Winograd、David Marr、Tom Mitchell、Rodney Brooks等人之后的第18位获奖者。说起这个奖挺有意思的，IJCAI终身成就奖（IJCAI Award for Research Excellence），是国际人工智能界的最高荣誉; IJCAI计算机与思维奖是国际人工智能界35岁以下青年学者的最高荣誉。早期AI研究将推理置于至高无上的地位; 但是1991年牛人Rodney Brooks对推理全面否定，指出机器只能独立学习而得到了IJCAI计算机与思维奖; 但是koller却因提出了Probabilistic Relational Models 而证明机器可以推理论知而又得到了这个奖，可见世事无绝对，科学有轮回。

D koller的Probabilistic Relational Models在nips和icml等各种牛会上活跃了相当长的一段时间，并且至少在实验室里证明了它在信息搜索上的价值，这也导致了她的很多学生进入了 google。虽然进入google可能没有在牛校当faculty名声响亮，但要知道google的很多员工现在可都是百万富翁，在全美大肆买房买车的主。

Koller的研究主要都集中在probabilistic graphical model，如Bayesian网络，但这玩意我没有接触过，我只看过几篇他们的markov network的文章，但看了也就看了，一点想法都没有，这滩水有点深，不是我这种非科班出身的能趟的，并且感觉难以应用到我现在这个领域中。

Koller 才从教10年，所以学生还没有涌现出太多的牛人，这也是她不能跟Jordan比拟的地方，并且由于在stanford的关系，很多学生直接去硅谷赚大钱去了，而没有在学术界开江湖大帮派的影响，但在stanford这可能太难以办到，因为金钱的诱惑实在太大了。不过Koller的一个学生我非常崇拜，叫 Ben Taskar，就是我在（1）中所提到的Jordan的博后，是好几个牛会的最佳论文奖，他把SVM的最大间隔方法和Markov network结合起来，可以说是对structure data处理的一种标准工具，也把最大间隔方法带入了一个新的热潮，近几年很多牛会都有这样的workshop。 我最开始上Ben Taskar的在stanford的个人网页时，正赶上他刚毕业，他的顶上有这么一句话：流言变成了现实，我终于毕业了！可见Koller是很变态的，把自己的学生关得这么郁闷，这恐怕也是大多数女faculty的通病吧，并且估计还非常的push！

Machine learning 大家（3）:J. D. Lafferty

大家都知道NIPS和ICML向来都是由大大小小的山头所割据，而John Lafferty无疑是里面相当高的一座高山，这一点可从他的publication list里的NIPS和ICML数目得到明证。虽然江湖传说计算机重镇CMU现在在走向衰落，但这无碍Lafferty拥有越来越大的影响力，翻开AI兵器谱排名第一的journal of machine learning research的很多文章，我们都能发现author或者editor中赫然有Lafferty的名字。

Lafferty给人留下的最大的印象似乎是他2001年的conditional random fields，这篇文章后来被疯狂引用，广泛地应用在语言和图像处理，并随之出现了很多的变体，如Kumar的discriminative random fields等。虽然大家都知道discriminative learning好，但很久没有找到好的discriminative方法去处理这些具有丰富的contextual inxxxxation的数据，直到Lafferty的出现。

而现在Lafferty做的东西好像很杂，semi－supervised learning， kernel learning，graphical models甚至manifold learning都有涉及，可能就是像武侠里一样只要学会了九阳神功，那么其它的武功就可以一窥而知其精髓了。这里面我最喜欢的是semi－ supervised learning，因为随着要处理的数据越来越多，进行全部label过于困难，而完全unsupervised的方法又让人不太放心，在这种情况下 semi－supervised learning就成了最好的。这没有一个比较清晰的认识，不过这也给了江湖后辈成名的可乘之机。到现在为止，我觉得cmu的semi－ supervised是做得最好的，以前是KAMAL NIGAM做了开创性的工作，而现在Lafferty和他的弟子作出了很多总结和创新。

Lafferty 的弟子好像不是很多，并且好像都不是很有名。不过今年毕业了一个中国人，Xiaojin Zhu(上海交通大学校友)，就是做semi－supervised的那个人，现在在wisconsin-madison做assistant professor。他做了迄今为止最全面的Semi-supervised learning literature survey，大家可以从他的个人主页中找到。这人看着很憨厚，估计是很好的陶瓷对象。另外我在（1）中所说的Jordan的牛弟子D Blei今年也投奔Lafferty做博后，就足见Lafferty的牛了。

Lafferty做NLP是很好的，著名的Link Grammar Parser还有很多别的应用。其中language model在IR中应用，这方面他的另一个中国学生ChengXiang Zhai(南京大学校友，2004年美国青年科学家总统奖(PECASE)得主)，现在在uiuc做assistant professor。

Machine learning 大家（4):Peter L. Bartlett

鄙人浅薄之见，Jordan比起同在berkeley的Peter Bartlett还是要差一个层次。Bartlett主要的成就都是在learning theory方面，也就是ML最本质的东西。他的几篇开创性理论分析的论文，当然还有他的书Neural Network Learning: Theoretical Foundations。

UC Berkeley的统计系在强手如林的北美高校中一直是top3，这就足以证明其肯定是群星荟萃，而其中，Peter L. Bartlett是相当亮的一颗星。关于他的研究，我想可以从他的一本书里得到答案：Neural Network Learning: Theoretical Foundations。也就是说，他主要做的是Theoretical Foundations。基础理论虽然没有一些直接可面向应用的算法那样引人注目，但对科学的发展实际上起着更大的作用。试想vapnik要不是在VC维的理论上辛苦了这么多年，怎么可能有SVM的问世。不过阳春白雪固是高雅，但大多数人只能听懂下里巴人，所以Bartlett的文章大多只能在做理论的那个圈子里产生影响，而不能为大多数人所广泛引用。

Bartlett在最近两年做了大量的Large margin classifiers方面的工作，如其convergence rate和generalization bound等。并且很多是与jordan合作，足见两人的工作有很多相通之处。不过我发现Bartlett的大多数文章都是自己为第一作者，估计是在教育上存在问题吧，没带出特别牛的学生出来。

Bartlett的个人主页的talk里有很多值得一看的slides,如Large Margin Classifiers: Convexity and Classification；Large Margin Methods for Structured Classification: Exponentiated Gradient Algorithms。大家有兴趣的话可以去下来看看。

Machine learning 大家（5): Michael Collins

Michael Collins (http://people.csail.mit.edu/mcollins/)
自然语言处理(NLP)江湖的第一高人。出身Upenn，靠一身叫做Collins Parser的武功在江湖上展露头脚。当然除了资质好之外，其出身也帮了不少忙。早年一个叫做Mitchell P. Marcus的师傅传授了他一本葵花宝典-Penn Treebank。从此，Collins整日沉迷于此，终于练成盖世神功。

学成之后，Collins告别师傅开始闯荡江湖，投入了一个叫AT&T Labs Research的帮会，并有幸结识了Robert Schapire、Yoram Singer等众多高手。大家不要小瞧这个叫AT&T Labs Research的帮会，如果谁没有听过它的大名总该知道它的同父异母的兄弟Bell Labs吧。

言归正传，话说Collins在这里度过了3年快乐的时光。其间也奠定了其NLP江湖老大的地位。并且练就了Discriminative Reranking， Convolution Kernels，Discriminative Training Methods for Hidden Markov Models等多种绝技。然而，世事难料，怎奈由于帮会经营不善，这帮大牛又不会为帮会拼杀，终于被一脚踢开，大家如鸟兽散了。Schapire去了 Princeton， Singer 也回老家以色列了。Collins来到了MIT，成为了武林第一大帮的六袋长老，并教授一门叫做的Machine Learning Approaches for NLP(http://www.ai.mit.edu/courses/6.891-nlp/) 的功夫。虽然这一地位与其功力极不相符，但是这并没有打消Collins的积极性，通过其刻苦打拼，终于得到了一个叫Sloan Research Fellow的头衔，并于今年7月，光荣的升任7袋Associate Professor。

在其下山短短7年时间内，Collins共获得了4次世界级武道大会冠军(EMNLP2002, 2004, UAI2004, 2005)。相信年轻的他，总有一天会一统丐帮，甚至整个江湖。

看过Collins和别人合作的一篇文章，用conditional random fields 做object recogntion。还这么年轻，admire to death！

Machine learning 大家（6): Dan Roth

Dan Roth (http://l2r.cs.uiuc.edu/~danr/)
统计NLP领域的众多学者后，我得出了一个惊人的结论，就是叫Daniel的牛人特别多: 大到MT领域成名已久的Prof. Dan Melamed，小到Stanford刚刚毕业的Dan Klein，

中间又有Dan jurafsky这种牛魔王，甚至Michael Collins的师弟Dan Bikel (IBM Research)，ISI的Dan Marcu，获得过无数次TREC QA评比冠军的Prof. Dan Moldovan (UTexas Dallas)，UC Berkeley毕业的Dan Gildea (U Rochester)。但是，在众多的Dan中，我最崇拜的还是UIUC的Associate Professor，其Cognitive Computation Group的头头Dan Roth。

这位老兄也是极其年轻的，Harvard博士毕业整十年，带领其团队撑起了UIUC Machine Learning以及NLP领域的一片灿烂天空。其领导开发的SNoW工具可谓是一把绝世好剑，基本达到了”又想马儿跑，又想马儿不吃草”的境界，在不损失分类精度的条件下，学习和预测速度空前。什么？你不知道SNoW？它和白雪公主有什么关系？看来我也得学学”超女”的粉丝们，来一个扫盲了: SNoW是Sparse Network of Winnows的简称，其中实现了Winnow算法，但是记住Sparse Network才是其重点，正是因为有了这块玄铁，SNoW之剑才会如此锋利。

近年来Roth也赶时髦，把触角伸向了Structured Data学习领域，但与其他人在学习的时候就试图加入结构化信息(典型的如CRF)不同，Roth主张在预测的最后阶段加入约束进行推理，这可以使的学习效率极大的提高，同时在某些应用上，还取得了更好的结果。还有就是什么Kernel学习，估计他也是学生太多，安排不下了，所以只好开疆扩土。

Harvard出身的Roth，理论功底也极其深厚，好多涉及统计学习理论的工作就不是我这种学工科的人关心的了。

个人补充一点：南京大学的一个Machine Learning的牛人网名也叫Daniel是不是跟文中的叙述有关呢，呵呵～

1. 推荐一个查找近期会议的网站-wikicfp
Wikicfp

http://www.wikicfp.com/

有很多人把各种会议的call for paper发到这个网站上。
可以管理自己关注的会议列表并按照多种方式排序，比如，按deadline排序

2. 相关会议列表
在wikicfp上维护了一个信息抽取相关会议的列表：

http://www.wikicfp.com/cfp/servlet/event.showlist?lownerid=2907<ype=w&page=1&sortby=0

还有一些更广泛的，与web mining相关的会议：
AAAI: American Association for Artificial Intelligence
IJCAI: International Joint Conference on Artificial Intelligence
ICML: International Conference on Machine Learning
SIGMOD: ACM SIGMOD Conf on Management of Data
VLDB: The ACM International Conference on Very Large Data Bases
WWW: The ACM International World Wide Web Conference
SIGIR: The ACM Conference on Research and Development in Information Retrieval
SIGKDD: The ACM Conference on Knowledge Discovery in Databases and Data Mining
ICDE: IEEE International Conference on Data Engineering
PODS: ACM Symposium on Principles of Database Systems
ACL: The Association for Computational Linguistics
CIKM: ACM International Conference on Information and Knowledge Management
ICDM: IEEE International Conference on Data Mining
PKDD: Conference on Principles and Practice of Knowledge Discovery in Databases
CPM: Combinatorial Pattern Matching Symposium
SDM: SIAM International Conference on Data Mining
EMNLP:Conference on Empirical Methods in Natural Language Processing
IEEE/WIC/ACM International Conference on Web Intelligence
ICPR: International Conference on Pattern Recognition
SPIRE: The IEEE International Symposium on String Processing and Information Retrieval
ECML:European Conference on Machine Learning
APWEB: Asia Pacific Web Conference
Intelligence and Security Informatics
ECIR:European Conference on Information Retrieval
SAC: ACM/SIGAPP Symposium on Applied Computing
PAKDD: Pacific-Asia Conference on Knowledge Discovery and Data Mining
IJCNLP: International Joint Conference on Natural Language Processing
AIRS:Asia Information Retrieval Symposium

王开铸教授，1932年出生，74岁，80年代从事俄汉机器翻译、固定段落理解与问答系统的研究，90年代开始进行自动文摘、自动校对的研究。曾任哈工大计算机系系主任8年，已退休多年。

李生教授，1943年出生，63岁，原哈工大党委书记，目前哈工大中文信息处理方向的带头人，现任语言语音教育部微软重点实验室主任，重点实验室包括智能技术与自然语言处理、机器智能与翻译、信息检索和语音处理四个研究室。中国中文信息学会常务理事，大陆最早的汉英机器翻译系统研制者，主要从事汉英双向机器翻译的研究，近年来同时开展信息检索方面的研究，培养了大批博士、硕士研究生。

王晓龙教授，1955年出生，51岁，77年上大学。语言语音教育部微软重点实验室副主任，智能技术与自然语言处理研究室主任，中国中文信息学会理事。以语句级智能输入法（微软拼音）发明人著称，目前把智能输入法应用于手机输入，同时研究智能搜索引擎，主持国际自然科学基金重点项目“问答式信息检索检索技术理论与方法”。多年来培养了大批博士硕士研究生。89年博士毕业，导师为王开铸教授。

赵铁军教授，1962年出生，44岁，语言语音教育部微软重点实验室副主任，机器智能与翻译研究室主任，主要从事机器翻译、跨语言检索以及文景转换的研究。导师为李生教授。

刘挺教授，1972年出生，34岁，语言语音教育部微软重点实验室副主任，信息检索研究室主任，主要从事信息检索、信息抽取和语言分析方面的研究。1998年博士毕业，导师为王开铸教授。

关毅副教授，博士，智能技术与自然语言处理实验室，导师王晓龙教授，研究方向：语言理解、问答系统。

徐志明副教授，博士，智能技术与自然语言处理实验室，导师王晓龙教授，研究方向：企业搜索。

刘秉权副教授，博士，智能技术与自然语言处理实验室，导师王晓龙教授，研究方向：智能手机输入法、移动搜索。

张宇副教授，博士，信息检索研究室，研究生期间的研究课题为软件容错。目前的研究方向：文本检索与过滤。

秦兵副教授，博士，信息检索研究室，导师李生，研究方向：多文档文摘、信息抽取、文本分类聚类。

杨沐昀副教授，博士，机器智能与翻译研究室，导师李生，研究方向：基于实例的机器翻译，汉英机器翻译。

林磊，博士，智能技术与自然语言处理实验室，导师王晓龙教授，研究方向：生物信息学。

李晗静，讲师，在职博士生，机器智能与翻译研究室，导师李生、赵铁军，研究方向：文景转换。

刘远超，讲师，在职博士生，智能技术与自然语言处理实验室，导师王晓龙教授，研究方向：自动文摘等。

车万翔，助教，在职博士生，信息检索研究室，导师李生、刘挺，研究方向：浅层语义分析。微软学者奖学金获得者。

王轩，博士，副教授，哈工大深圳研究生院计算机学部主任，导师王晓龙，研究方向：手语识别等。

陈清才，博士，哈工大深圳研究生院，导师王晓龙，研究方向：搜索引擎。

————————–

<校友系列>

周明，微软亚洲研究院自然语言组组长，导师李生，研究方向：自然语言处理、机器翻译

张民，新加坡I2R研究所，导师李生，研究方向：信息抽取

王海峰，东芝中国研发中心，99年博士毕业，副所长，导师李生，研究方向：机器翻译

于浩，富士通中国研发中心部门负责人，98年博士毕业，博士研究方向为电气工程，博士后导师为李生教授。

荀恩东，北京语言大学，99年毕业，导师李生，研究方向：汉语辅助教学等

付国宏，香港大学荣誉助理教授，导师王晓龙，研究方向：自然语言处理

吕雅娟，中科院计算所，导师李生，研究方向：机器翻译、句法分析

孟遥，富士通中国研发中心，导师李生，研究方向：句法分析

姚建民，苏州大学计算机系，导师李生，研究方向：机器翻译评价

方高林，富士通中国研发中心，硕士导师李生、赵铁军

郑德权副教授，博士，2005年毕业，哈尔滨商业大学，导师李生，研究方向：跨语言信息检索

卢志茂副教授，在职博士生，哈尔滨工程大学，导师李生、刘挺，研究方向：词义消歧

张刚，中科院计算所在职博士生，硕士导师李生、刘挺，博士导师李国杰院士，研究方向：分布式搜索引擎

还有很多毕业生也活跃在中文信息处理领域，孰不一一列举。

————–

<学生系列>

曹海龙，机器翻译与智能研究室，导师李生，研究方向：汉语句法分析

齐浩亮，机器翻译与智能研究室，导师李生，研究方向：检索模型

王强，智能技术与自然语言处理研究室，导师王晓龙，研究方向：文本分类，两次863评测第一名。

马金山，信息检索研究室，2003级博士生，导师李生、刘挺、研究方向：句法分析

孙广路，智能技术与自然语言处理研究室，导师王晓龙，研究方向：组块分析

孙承杰，智能技术与自然语言处理研究室，导师王晓龙，研究方向：信息抽取

肖镜辉，智能技术与自然语言处理研究室，导师王晓龙，研究方向：语言模型

董启文，智能技术与自然语言处理研究室，导师王晓龙，研究方向：生物信息学，在《中国科学》，Bioinformatics等发表论文

张志昌，信息检索研究室，2004级博士生，导师李生、刘挺、研究方向：问答系统

郎君，信息检索研究室，2004级硕博连读生，导师李生、刘挺，研究方向：语言技术平台、指代消解

赵世奇，信息检索研究室，2004级硕博连读生，导师李生、刘挺，研究方向：复述技术

仅列举几名最活跃的学生，目前哈工大中文信息处理方向的博士生、硕士生合计130以上。

————-

<语音、文字系列>

舒文豪教授，中国汉字识别的开创者之一，已退休。

王承发教授，博导，原哈工大计算机学院副院长，研究方向：语音识别，已故。

徐近沛教授，研究方向：语音识别。

韩纪庆教授，博导，哈工大计算机学院党委书记、常务副院长，智能人机接口研究中心副主任，语音处理研究室主任，研究方向：数字媒体、语音识别与合成。博士导师徐近沛。

唐降龙教授，博导，哈工大模式识别研究中心主任，研究方向：汉字识别、指纹识别等，博士导师舒文豪。

李海峰教授，博导，哈工大软件学院副院长，语音处理研究室，研究方向：模式识别。在法国巴黎六大获得博士学位。

黄剑华副教授，博士，哈工大模式识别研究中心，研究方向：视频汉字识别，博士导师舒文豪。

刘家峰副教授，博士，哈工大模式识别研究中心，研究方向：汉字识别、模式识别，博士导师舒文豪。

郑铁然，讲师，在职博士生，语音处理研究室，研究方向：音频/语音检索，博士导师韩纪庆。

另外，翻了一下最近的google alerts，下面这几个还可以关注下。

这两个是讨论企业搜索的和网页搜索的，前一个是对后一个的讨论。不过他们讨论的搜索是普遍企业环境的，也包括人力管理，部门管理，结构组织等资源。
Recommind used a technique called Probabilistic Latent Semantic Analysis, which are statistical models that the system builds from your documents.
“It will look at the language and derive meanings, themes and concepts from within content, then relate them to similar concepts in a different batch of documents,” says Carpenter.
Autonomy uses Bayesian statistical models, similar to those used to filter spam, to determine the categories of documents. FAST uses a semantic index that can restrict the scope of a concept to a sentence or paragraph to get a more accurate answer. For example, a document might talk about both orange (the fruit) and orange (the colour) but a paragraph is more likely to be about one or the other. It also extracts ‘entities’ like names, phone numbers, addresses and companies.
Enterprise Search Is Not Web Search — A Revelation 
We explain why you can’t always get the best search results for your business from Google

这篇paper用基于主题地图的本体改善信息检索的性能，有40个参与者参加测试。还没找到可以下载的资源。
Information Organization and Retrieval Using a Topic Maps-Based Ontology : Results of a Task-Based Evaluation

这一篇里面的链接有几篇Google查询扩展专利(08.12.25)相关的论文，并简单描述了概率机器翻译和环境图的方法寻找同义词。
How a Search Engine Might Find Synonyms to Use to Expand Search Queries

●Semantic Sense for the Desktop
A project brings Semantic Web technology to personal documents.

这篇是对Nepomuk Project的介绍，讲了语义桌面的出发点，之前的研究，此项目的的一些特点和方法，最后的有给出下载链接，不过安装不是一步到位的，需要些前期步骤。感兴趣的可以下载试试。

●Powerset Gives Microsoft Semantic Search Tools
结合Scott Prevost, general manager and product director at Powerset和Gartner Inc. analyst Rita Knox的观点的一篇文章。
After its Powerset acquisition, Microsoft is pushing semantic search as the replacement for traditional keyword search.
对语义检索和基于关键字检索的比较：”Current search technology just doesn’t leverage all of the affordances of Web 3.0-semantic Web, structured data, interoperability, collaborative filtering,” says Scott Prevost, general manager and product director at Powerset. “Keyword search just doesn’t address these things.” “Everything today is about the keywords,” Prevost told attendees. “And there are a lot of casualties in this keyword economy.”
对与powerset中NLP技术的来源：
Roots from PARC
Powerset relies on very deep natural language processing (NLP), technology that has been in the lab for 30 years but has only recently become computationally feasible because of high-performance computing technologies. Powerset’s semantic search app uses this technology-which the company licenses from Palo Alto Research Center (PARC)-to extract meaning from documents one at a time and encode that meaning into its index. Meaning and intent are extracted from queries at runtime. Matching the meaning of those queries with the meaning in the index renders better search results, he says.
Rita Knox 将语义搜索定义为利用基于用户寻找信息所包含的，而机器自身不能掌握的微妙的语义为线索的搜索。
Gartner Inc. analyst Rita Knox defines semantic searches as those that use clues about the information users are seeking based on semantic subtleties that machines have yet to master on their own.

“When pieces of information are labeled, computers can see what they mean; but most information is not labeled-it’s unstructured,” Knox says. “Without the labels or tags, computers are at a loss to make a human kind of sense out of things like text. The promise of semantic search is that it will provide that understanding to the machines, and that will result in more meaningful and relevant search results.”

另外，Open APIs Coming??

最近几天没有关注Google Alert 的内容，今天一看，有这么一条消息：Google launches its SearchWiki semantics plug-in。前一段时间Semanti Corp. 发布消息，自己的语义检索插件SemantiFind支持yahoo, msn, google的搜索引擎。而微软买了Powerset（这个试了下没什么感觉，用过的评价下？）后，也有了语义检索引擎，ask也开始尝试语义的东西，而yahoo早在3月份就宣布进军语义网，看来当今检索大佬google也坐不住了，现在自己也加入了一些新变化。记得是一年之内的一次校园招聘里面（或者会议？），微软还是google的管理层被问到语义检索的时候，还是一脸的怀疑，并声称没有这方面的打算，可现在大家却都纷纷着手做了起来。语义，看来真的是下一个网络时代的潮流，真的会变成web3.0了，当前语义的效果确实不尽如人意，但是如果成功的话，影响将是不可忽视的。IBM，微软，google，不同时代的代表，下一个会是谁？大家争先恐后。

言归正传，说说google的SearchWiki，思想上借鉴了wiki的东西，允许用户对检索的结果进行提升，删除和评论，但是每个用户的改变只影响自己的检索结果，不过可以看到大家对检索结果的编辑情况。其实，google当前的变化还很简单，算不上语义，只能算是个性化订制的一点扩展，感觉比SemantiFind还要简单，不过也算是对用户意图的改进了。刚刚在google上找了一下，也没看到这个插件，却发现了这样片文章：Google SearchWiki Vanishes (Updated)，打开一看，写道google说这是因为有bug，正在恢复中。。。  更新：现在可以用了，不过要上http://www.google.com/并登陆账号才可以~   我晕了 ，一会能用，一会不能用，估计测试中。。。

提供一个youtube上google对SearchWiki介绍的视频，感兴趣的可以了解下：

其他相关链接：

http://www.betanews.com/article/Askcom_v_11_tries_new_search_technologies/1223316977
http://www.betanews.com/article/New_Google_tools_sift_and_sort_search_results/1225353991
http://news.bbc.co.uk/1/hi/technology/7296056.stm
http://www.betanews.com/article/Semantic_search_plugin_comes_to_Google_Yahoo_MSN/1225720138
http://googleblog.blogspot.com/2008/11/searchwiki-make-search-your-own.html
http://searchengineland.com/google-searchwiki-101-an-illustrated-guide-15580.php
http://googlesystem.blogspot.com/2008/11/google-searchwiki-launched.html