去年年初的时候，我曾经发布过某专业课期末作业研究过程中带来的一个有趣的副产品：汉字的字义网络图。不过，当时我是直接调用的 Mathematica 的相关函数，函数几乎不能调整参数，并且也无法处理边上权重不同的情况。最近在研究引力斥力绘图算法，突然想到把当时的数据重新画一张图。于是就有了汉字地图第二版（点击小图看大图）：
Mathematica
无聊小制作：“数词+非数词+数词+非数词”的出现频数
昨天和同事聊到，汉语还真是奇怪，有“四分五裂”，有“五颜六色”，也有“七上八下”，但好像从没听说过六什么七什么的。于是想到，在汉语中，“数词 + 非数词 + 数词 + 非数词”的短语是怎样分布的呢？回到家后立即用 Mathematica 做了一个柱状图，绘出了九九八十一种数词短语模式在大规模真实语料中的出现频数。注意，这里统计的是总的出现频数，重复出现也会计算在内。另外，这是一个简单而机械的统计过程，因而 “三人一组”、“七天七夜”之类的非成语也被算了进来。
嗯，对，没有任何意义，纯属无聊之作。
无聊小研究：各种文体中出现频率最高的四字词
今天，我拿到了梦寐以求的大规模中文语料库，总大小超过 1 G ，覆盖了各个时代各种文体的中文资料。有了这个语料库后，我便能完成很多早就想做的事情，比方说，统计各种文体中出现频率最高的四字词。给定一段文本后，基本的统计过程如下：
1. 统计所有连续四字的出现频数；
2. 按频数对所有四字组合从高到低排序；
3. 删掉所有包含非汉字字符（比如数字、标点）的四字组合；
4. 删掉明显不成词或者不成词组的四字组合（这一步有人为因素，因此下面的数据并不是 100% 客观的）；
5. 列出频数最高的 10 个四字词。
所选用的统计对象基本上都是数十万字的篇幅，所有步骤都是用 Mathematica 实现的。下面是结果：
Read more…
蛋疼研究之单词等式
先给大家看两个“单词等式”：
ACT + DEAL = DONE
COIN + TRY = DIAL
除了意义上说得通以外，从另外一个角度来看，这两个等式也是成立的。大家能猜到是什么吗？
情人节特献：有心之函数必然就有分手函数
首先，祝大家情人节快乐。不过，对于单身 Geek 来说，情人节或许并不快乐。情人节可以说是各种 Geek 们永久的伤痛了。即使是热爱数学的你，或许看到已经被转发到烂的“心之函数”今日再度走红，心中也会觉得不爽：我们发明出来的 Geek 玩物，竟然都被你们这些非 Geek 人士拿去装 Geek 泡妞用了，最终情人节宅在家里面向显示器编程度过平凡一天的反而还是我们这群 Geek 。
于是乎，“订完全部大床房”、“买光影院单号位”、“扎破所有安全套”等经典段子年年少不了。当然，我也没有闲着。为什么有 Geek 式的爱情祝福，就没有 Geek 式的分手诅咒？我计划着创作一个“分手函数”，它的函数图像是一个裂成两半的心。