1------------------------------------------------
201706
2------------------------------------------------
3------------------------------------------------
林老师在博士群里问，有么有人愿意帮他审CIKM的稿，本来不想给自己找事的，但是我主动申请，我想审，只是我没有经验怎么写comments 。大老板说让他教我们怎么写。
有时候啊，越不主动，越没有动力，越没有激情。
虽然什么事情都很艰难，但是克服一切困难，最后取得成果，这才是真正的收获。
虽然觉得自己基础差，但是其实是比刚入校的硕士是要好很多的，可是，再消沉下去，差距真的会越来越大。
4------------------------------------------------
小蚂蚁
在丽娃河畔的长木枯藤椅上，她静静坐着，白玉兰静静绽放，池塘绿荷努力地生长着，大朵大朵的绿
小蚂蚁在这种枯闷的天气下，来回穿梭
她看了一会儿。它们在枯木上徘徊，四处寻找什么
行走飞快
是食物？还是归宿？
用脚挡住它的路
如果是人的生活，那还是多大的挫折
她暗自想，如果，在受到挫折时，它依然回来继续这条路，她会告诉它这是一条需要受到惩罚的路
此刻，她有些悲伤了
一只小蚂蚁闯入了她设定的阈值范围
她悲伤着自己可以随意改变了其他生物的生存状态
或者那悲伤只因为
夕阳近了，光明缓慢了
风吹散头发，吹走了年华
5------------------------------------------------
每天，晚上不想睡，白天起不来。
2017.06.05
Short term goal : Improve the accuracy of Joint non-negative matrix factorization.
- Finish writing the comments and revisions of TKDE papers.
- Attend the paper sharing weekly report.
6------------------------------------------------
2017.06.08
Short term goal : Constructing an evolution road of the latent topics
1.Coding: change the update functions. In first step, my goal is discovering latent topic from text, and the second step is constructing an evolution road of the latent topic. The main problem now is the second step. Learn from the other papers, there are two ways to implement the evolution parts, that is building topic tree (or graph) structure by computing the topic similarity and using HMM based model to learn the shift states.
2.Attend weekly report.
7------------------------------------------------
2017.06.09
- Read the paper of <Topic Aware Neural Response Generation> and prepare the weekly paper sharing presentation.
-- The paper is a Topic Aware seq2seq model which joint the pre-trained LDA model vectors to affect the generation of words in decoding. - Brain Storming
-- Talk with SongYang and ChenQin about how to build a GAN model to generated real topic classification.
Generator: Use LDA generated topic and NMF generated topic as a generator;
Discriminator: Use a classifer as a discriminator.
8------------------------------------------------
你选择主动创新，还是被动回应？
当你生活的本身成了一个创新的过程，一种全新的生活体验就会在你的面前展现：你会发现自己已经融入了生活的本质之中。
9------------------------------------------------
20170610
分析了一下我上任，已经毕业了的师兄的论文。
去年刚开始来的时候根本一脸懵逼看不懂那些论文，也没什么方向。花了半个小时，他发的三篇文章居然看懂了，而且觉得创造性也不大。两篇C1b，其中一个C不像是C，在CCF列表没有搜到。
1b1c都是做用户情景推荐电视节目，因为电视是全家共享，男女老少不同时间看的节目也不同，其实就是融合了用户的习惯去推荐，加了一个时间维度。没有什么理论上的创新。
数据非公开数据集。
另一篇c是加入了用户关系的推荐，不是电视视频推荐了。定义了社交影响力，加到目标函数中进行矩阵分解
加业务加场景，不大改模型。
我想，自己也不大改模型了。
再想个模型，套进去吧。先做成个东西，不让自己觉得毫无成就感就好。一点点精进吧！
10------------------------------------------------
晚上就轮到我presentation
讲用神经网络生成自动聊天对话
论文是看懂了，
感觉实现起来还是很难
借助了几个实验室的大牛同学才看懂了。
真的应该多和别人交流，自己闷声坐着除了愁自己能有什么作用
有点困。
11------------------------------------------------
24岁本命年的时候，求得一串开光小叶紫檀手串。
可是那一年从元旦的挂科开始，过得很不平静。感情，生活，诸事不顺。
24岁结束的时候，小叶紫檀手串散了一地。
收起，24颗，一颗都没有丢。
25岁的时候，来上海，带了其中的一颗。其余的，由一位旧友代为保管。
这一颗圣眼，安静的躺着，封印着一些旧时光。
近日，朋友将其归还于我。看着它们，想起了在上课的时候还会去盘玩的自己……
想起晚上睡觉前会小心翼翼收好
它是那么神圣
那时候小叶紫檀佛珠红润光泽
现在，氧化成一片黑色。
有点难过。有点心疼。
过去的时光总会过去，
过去的事物也再也不在。
小叶紫檀，打算重新穿起。
丢失了灵光，它只是一串普通的手串。
12------------------------------------------------
崩溃
13------------------------------------------------
做了个梦
和博士姐姐一起，在一座很美的岛上玩耍，周围是一片静谧的水
在这样一片翠绿中，我们在拍照嬉戏。
远处传来了阵阵喧闹声
匆忙跑去
眼前的一幕惊呆了
居然，河水奔腾卷涌而来，很多土地被淹没，人也被卷入水中。
我们疯狂地跑啊，虽然知道，即使跑到了山顶，依然可能是徒劳。
自然界的沧海桑田。
这是一种绝望的感觉。
梦醒了，不知道梦里的自己是否逃脱了这个魔蔓。
生活还是这么晴好。
14------------------------------------------------
老爸给我微信视频，到最后我也没说出那句，老爸节日快乐，我爱你。
我不快乐，他们看到后也觉得不快乐。
有效的学习时间很短。
实验室每天充满了负能量，各种打游戏的鼠标声。
太过于压抑。
15------------------------------------------------
2017.06.28
Short term goal : Construct an evolution road of the topics && Compare and analysis two time-step topics.
1.Communicate with Prof.He about the experiments.In order to simplify the task, try to decompose the documents into two time-step to analyze.
Yang song suggests me try to add some news models to supports the hypothesis.
2.Read and run a source code of seq2seq model, which is used for text summary.
And I have read some relevant papers before.
16------------------------------------------------
在家待了一天，陪老公过了生日。
之前已经两周没有回家了。回去的次数越来越少。
从老公过完生日开始，我们就开始"分家"，公公婆婆开始搬出去住，老公也开始一个人住。
他们请求我以后有时间多回家呆呆，陪陪老公，他们担心自己儿子，晚上会不会抽烟？会不会又熬夜很晚？会不会照顾不好自己...
他们说我在家也很安静啊，也可以学习。
其实我心里还是挺难过的，挺自责，因为自己的学业需要让自己的家人也跟着紧张不堪。
这一年来，常常觉得压力很大，让自己变得很消极，整个人都傻了一般，却还在艰难的坚持。
不知道这份坚持能否带来回报，又或者对于这些回报，自己的期望又太高。
总之，心很累。
17------------------------------------------------
做了个梦，梦到在自己家不远处，有一个很美的山
会有很多的雪，在阳光下金闪金闪亮
突然，一架飞机飞过，触动到山顶，飞机坠毁!就在我的眼前。
最近总是梦到一些恐怖的事情
一会海啸一会飞机的
哎
18------------------------------------------------
2017.06.29
Shorttermgoal: Construct an evolution road of the topics && Compare and analysis two time-step topics.
Read a paper about <A Neural Model for Joint Event Detection and Summarization> (IJCAI 2017). This paper is the first neural method paper I have read which used for event detection by learn a pairwise tweet similarity function and to identify first stories in a tweet stream.
There are always so much noises in the tweet stream, and the neural method to detect and summarize events as following step:
1.Tweets Filtering: classify the tweets relevant or irrelevant to the events through a MLP
- Event Clustering: decide whether it belongs to an existing event cluster, or describes a new
event. They use a siamese Neural Network for calculating similarity.
3.Event Summarization: rank all the tweets in the cluster using a probability score, and
select top-n to build the summary.
Similiar to the paper <Learning Similarity Functions for Topic Detection in Online Reputation Monitoring>(SIGIR 2014). This paper propose a traditional but useful method for topic detection task. - learns a pairwise tweet similarity function from previously annotated data, using all kinds of content-based and Twitter-based features;
- applies a clustering algorithm on the previously learned similarity function.
19------------------------------------------------
2017.06.29
Shorttermgoal: Construct an evolution road of the topics && Compare and analysis two time-step topics.
Read a paper about <A Neural Model for Joint Event Detection and Summarization> (IJCAI 2017). This paper is the first neural method paper I have read which used for event detection by learn a pairwise tweet similarity function and to identify first stories in a tweet stream.
There are always so much noises in the tweet stream, and the neural method to detect and summarize events as following step:
1.Tweets Filtering: classify the tweets relevant or irrelevant to the events through a MLP
- Event Clustering: decide whether it belongs to an existing event cluster, or describes a new
event. They use a siamese Neural Network for calculating similarity.
3.Event Summarization: rank all the tweets in the cluster using a probability score, and
select top-n to build the summary.
Similiar to the paper <Learning Similarity Functions for Topic Detection in Online Reputation Monitoring>(SIGIR 2014). This paper propose a traditional but useful method for topic detection task. - learns a pairwise tweet similarity function from previously annotated data, using all kinds of content-based and Twitter-based features;
- applies a clustering algorithm on the previously learned similarity function.
