年底的簡單回顧

今天是 2005 年的最後一天呢。想了想自己在這一年，到底做了些什麼？

嗯，和前幾年相比，我覺得成長了不少。說得確切些，應該是前幾年幾乎都沒有學到什麼。今年前半年，在舊公司進行了一項「品質改善」的專案，從軟體工程的角度思考與執行後，才慢慢讓自己對軟體專案的開發，有了不一樣的角度與看法。

九月離開公司，回頭再做博士後研究。除了「臨時性」與「薪資不高」之外，我覺得若是好好地「享受」一下，博士後研究也實在不壞：

• 上下班相當自由。偶而心情好，可以不上班，陪寶寶玩一天。


• 目前的工作內容，可主要是在延續自己讀博士班時，「尚未完成」的一篇 paper 與 prototype 實作。我覺得，或許也是因緣。

當然啦，自己因為一頭栽入論文寫作、程式實作中，就沒有力氣能夠整理些「曾感到興趣的一些主題」了。對此，我其實還是頗感愧疚的。

過幾個月，把 paper 與 prototype 弄得差不多了，就得準備下一份工作了吧。現代人，如果沒有工作，似乎相當容易顯得失落；親朋好友善意的問候與建議，也很容易令人難以招架。對 MPH 的短期計畫，決定再休息個半年，我是帶點羨慕與祝福的（其實不該羨慕的，自己這幾個月也可以說是在休息，應該知足）。

SQL Server 的全文檢索

從 MySQL 將資料轉到 SQL Server 後，接下來當然就是嘗試全文檢索的功能。

大致上，效能果然比 MySQL 好上許多（大約有十倍以上的效能提升吧）。這或許可以說明，MySQL 的全文檢索，可能只是「虛晃一招」，沒有好好認真去做。

即使是檢索「劉銘傳」，回傳 2407 篇文件也不會吃掉太多效能。但... 等等，印象中，在 MySQL 下用「海山口」來查詢，會取得 25 篇文件，但 SQL Server 怎麼只檢索出 23 篇？

雖然頗覺事有蹊蹺，但又有些懶：既然只是 prototype，這又頗明顯是 SQL Server 的問題，況且「大多數的查詢結果與 MySQL 的查詢結果是相同的」，不講大概也沒有人會發現。那麼，「假裝沒看到」又何妨？

不過，隔了一陣子還是忍耐不住，想了解究竟是怎麼回事。（哎，這該算是個性上的優點還是缺點多啊？）

最先浮上心頭的想法，是懷疑「海山口」的前後文，是否在 big-5 或者 unicode 中，含有特殊的字元；而這樣的字元，導致 SQL Server 在做全文索引時弄錯了。調出一篇沒有被檢索出來的文件，相關內容是這樣的：

...比臺北海山口最上之米。一石僅低十錢...

嗯，看起來好像沒有什麼問題？

這下子有點傷腦筋了。懷疑是否 SQL Server 的全文檢索有參數可以設定。然而，搜尋網路與相關文件後，卻只找到 stop words 的檔案；但即使將 stop words 通通拿掉，也還是檢索不出這篇文件。

不信邪，用「海山」找找看。喔，可以找到數百筆資料，但怎麼就是不含這一篇？改用「山口」試試看好了 --- 咦，這回可以檢索到耶。這究竟是怎麼回事啊？

嘗試了一些查詢後，我覺得 SQL Server 好像把「北海」「山口」斷詞斷開（當成是兩個片語）了。想到前同事 Tim 曾提到，Microsoft Word 有類似的斷詞判斷能力，就把上面框起來的那些字拷貝到 Word 裡...

結果還真的頗有趣。當我在「北」或者「海」上頭 double click 時，Word 會 highlight 選出「北海」，在「山」或「口」上雙按，則會選出「山口」。看來，Microsoft 在 Windows 的某個地方，確實有個「斷詞」的程式模組，而 SQL Server 的全文檢索，則「笨笨地」誤用斷詞了。

找不到如何取消這類「自作聰明」舉動的地方，只好用類似於在 MySQL 上檢索中文的方式，在每個中文字間，加上空白，然後用「片語檢索」的方式，查詢 "海 山 口" （在字與字之間加上空白）--- 這下終於成功地檢索出 25 篇文件了。

實作中文系統就是這樣，常常會遇到一堆莫名其妙的問題。為了交差，有時就難免得用到 work around 的解決方式；而既然是折衝繞路後的解決方案，深層根本的問題也就比較多。我想，這應該也部分說明了，為什麼中文的系統，（比單純的英語系統）感覺起來經常是「問題一籮筐」吧。

轉移焦點

「爸爸你討厭，把帕還給我，嗚嗚嗚..」

昨天幫寶寶「保管」她的手帕，卻忘了還給她。電話裡，小傢伙哭得很可憐。我在電話裡說好說歹，就是無法讓她停止啜泣與不滿。據說，太太後來是藉著「轉移焦點」的方式，讓她注意到衣服上的小動物，寶寶才破涕為笑的。

今早繼續閱讀「選擇的弔詭」。書中提到，「對不快樂的人來說，他們重視的是相互比較...快樂的人與不快樂的人，之所以會做出不同的反應，關鍵在於能否抽離思緒、還是反覆思考」。當不快樂時，如果能夠分心，轉向思考其他事物，那麼就不會沈浸在反覆的思考或懊悔中。

我想起從前失戀時的一些經歷。失戀時，難過的感覺往往會佔住生活中的大半空閒時間；而旁人的安慰，通常都沒有太大的助益。脫離失戀悲傷情緒的最好方法，就是趕快找到下一個戀愛的對象。

而小傢伙似乎天生就有「顧左右而言他」的轉移焦點能力。當我們數落她做錯了什麼事時，她經常會主動轉移話題與焦點，令人又好氣又好笑。我想，如果這種能力，能夠讓她生活得比較滿足與快樂，那也是一種很好的本領罷。

MySQL 到 SQL Server 的轉換

上週提到，使用 MySQL 全文檢索遇到的效能困境。

想起從前曾用過 Microsoft SQL Server 的全文檢索功能，而當初的感覺還不錯，所以就打算將雛型的資料庫改用 SQL Server 2000，來比對是否真的是 MySQL 的問題。

不過，字元編碼的問題又再度出現：MySQL 支援 UTF-8，但不支援 UTF-16 的字元編碼。M$ SQL Server 則正好相反，支援 UTF-16，卻不支援 UTF-8。當下嘆了口氣：看來，轉碼的功夫是省不了的...

找了幾個資料庫轉換的工具軟體，都無法在資料庫之間正確轉碼，所以就只好自己動手寫程式。不過，SQL Server 的 drivers 似乎很奇怪，大五碼（big-5）的字元可以正確地轉譯到 nvarchar 或者 ntext，但其他字元怎麼都會變成問號呢？

明明覺得「一定有辦法解決」，但怎麼總是有某個地方不對勁？又是一番冗長的手冊閱讀、網路搜尋、以及嘗試錯誤過程。頗幸運地，最後終於找到正確的轉碼方式了。

轉譯的過程，用到了 PHP COM 模組的 CP_UTF8 codepage，以及 SQL Server 指令的 "N" prefix。我想，這應該就是所謂的「know how」吧：明明知道必然有解，而最終也證明這個解相當簡單，但如果缺乏這個 know how，就怎麼也做不出來。

堅持

電視上訪問朱銘，問他如何能致現今的成功，朱銘的回答是：「堅持」。

從電視上，可以感受到朱銘是一個非常謙和，對自己的理念也非常堅持的人。他說，他堅持著自己的本性、規律生活、在生活中修行（他說，就是把雜念去除）。

堅持。短短兩個字，卻有力地道盡人世的滄桑。如果世界不是那麼現實，那又何需堅持？

想想舊公司竟然還有能力增資，也頗感驚訝。技術研發本來成本就高，舊公司開發的東西也理應有應用價值；只是，歷經一番大變化，看這些東西的角度竟也有了微妙的改變。公司能夠繼續生存，不管是因為賺錢、或者因為能夠找到金主，都是它的本領。只是，就像是政治人物常掛在嘴邊的「不逃避、不退縮」，這樣是否真算是「堅持」？

看來，堅持雖然令人嚮往，但箇中微妙之處，卻語言難以描述。而成王敗寇，就是現實的遊戲規則。或許，「馬後放砲，砲砲都響」，我們也真只能在事後，才能品茶論英雄。

逃避選擇

卸下「正式工作」後，總想能夠多看點書。

不過，自己看書的速度本來就屬烏龜等級，最近又為了古契書檢索的雛型傷腦筋；因此總難抽出足夠的時間，好好地讀上幾本書。

看看架上的圖書，都已經滿溢了，怎麼好意思再買書呢？在愧疚的心情下，挑選了一本「選擇的弔詭」，趁著早餐的時間，酌量閱讀。

這其實是一本嚴謹的科普著作。看看書後的參考書目，竟然有 138 條之多。想想自己近來想寫些東西，卻腸思枯竭無法動筆，就更欽佩作者的功力了。

在書中，作者提到「逃避選擇」：在許多狀況下，人們並不願意做選擇。如果在抉擇時被迫要面臨取捨，人不只會變得不快樂，還會顯得優柔寡斷 --- 如果實驗容許，人們甚至根本不想做決定。大家大概都曾聽過這樣的問題：

假想你的媽媽、太太、還有小孩掉入水裡，但你只能從中救一個人。你會選擇救誰？

就我來說， 自己從來都不肯正面去回答這個問題，因而通常就是採取「拖延、玩笑似地回答、或逃避選擇」的態度。此外，就工作的選擇方面，自己似乎也總顯得有些意興闌珊。這應該也是一種逃避吧？

有意思的是，從書上引述的研究來看，這種心理反應是「正常」的：大多數人都是如此，因此似乎也不必太在意。雖然，許多提倡積極進取的書籍，總是會鼓勵「仔細評估、勇於決定、貫徹選擇」。

想起當兵時聽過的話：「時間的過去，就是任務的完成」（這句話，其實是我在 Maryland 求學時，因室友 Pony 多次提及，才比較深刻地映入腦海）。也或許，「不選擇」就是最好的選擇？

MySQL 的全文搜尋效率

上個月才聲稱 MySQL 也支援全文檢索，但現在心裡卻頗有不滿。

怎麼回事？原來，MySQL 的全文搜尋效率並不好。當初的文件庫只有一萬多篇文件，效能還差強人意；但現在文件庫裡有了十幾萬篇文件，搜尋的時間竟然也是「直線上升」。那麼，做全文索引，還有什麼意義呢？

調了調幾項參數，都沒能改善效能。只好到網路上看看別人是否也有類似的經驗。喔，是了，確實有人做了些實驗，然後發現 MySQL 的全文效率，並不會比直接用 SQL 指令，下「WHERE content LIKE "% tag %"」來得好（其中，content 是資料庫儲存內容的欄位名稱，tag 是要搜尋的字串，% 表示任意字元都符合，而 tag 前後留有空白，是因為英文字是用空白來斷字的）。

這下子也真令人氣餒。雖說自己只是在做實驗性質的 prototype 或 demo，但尋找個「劉銘傳」、「海山口」竟也要花上半分鐘以上的時間，總讓人心裡不舒服。

於是，也強烈感覺到，強調互動的系統，「回應時間」是需要被關注的。 0.1 秒內取得檢索結果當然很好，但花個三秒鐘，也不會讓使用者覺得太難過。然而，如果需要超過五秒才有回應、甚至需要長達半分鐘的等待，那麼系統在「互動」上就顯得很不實際了。

談古契書資料處理：之四

古契書檢索系統，一般需要處理時間的問題。

什麼意思呢？一個提供全文檢索 (full-text retrieval) 的系統，難道還不夠嗎？

從某些層面來看，只有全文檢索的確不夠。例如，若我們只想查閱某些年代的資料，全文檢索因為無法辨識文件的年代，就無法提供「只搜尋清朝乾隆年間文件」的選項，因而回傳的結果，將會因為含有大量「非乾隆年間文件」而使檢索效率降低。

好吧，那我們怎麼提供全文以外的檢索呢？

一般來說，需要有詮釋資料 (metadata) 的配合。詮釋資料，就是用來說明資料特性的一些東西。例如，Windows 檔案系統有所謂的「延伸檔名」，它就算是一種詮釋資料。由於 .jpg、.gif、.wav、.doc、.xls 各表示不同的檔案格式，應用程式就能藉由這項資訊分辨處理的方式。

可是，古契書本身是沒有詮釋資料的。要將它數位化，就已經會遇到一堆問題了，哪有資源來為每份契書額外加上詮釋資料呢？於是，就會有「從文件中，自動擷取時間資訊」的想法。

讓我們先看一份完整、加過標注的古契書：

od-ta_01516_000005
竹北二堡十寮庄土名七寮三五之二、三五之三

立截出山園字人周明盛兄弟等。緣因先年承買李家之山園，係叔侄兄弟人等備本，按作參股，每股備出本銀壹拾參元陸角正，盛備出本銀陸元捌角正。爰是族戚酌議，福叔姆邱氏備出本銀陸元捌角正，計共每壹股本銀壹拾參元陸角正，將此山園截出四至界址。東至貳鬮毗連種竹為界；南至路生屋角水壢透上；西至大龍種竹為界；北至糞箕窩分水為界。四至界址，即日經族面踏分明。愿將此山園壹處與叔姆邱氏前去掌管，收租納課，永為己業，日後子孫人等不敢異言生端等情。此乃二比甘愿，兩無迫勒。口恐無憑，今欲有憑，立截出山園字壹紙，付為執照。
即日批明：福叔姆邱氏備出本銀陸大元捌角正。立批照。

場見叔 元寶（印）
代筆人 廖青雲（花押）

明治丙申年捌月 日立截出山園字人 周明盛（花押）

其中，「明治丙申年捌月 日」就是很明顯的時間資訊。

當我們要從文件中擷取出這類資訊，會發覺正規表示式 (regular expression) 實在是一個方便的工具。例如，寫一個簡單的式子：

(明治|同治|光緒)\S{1,5}年\S{1,2}月.{1,3}日

就可以擷取出「明治丙申年捌月 日」、「同治拾貳年桂月 日」、「光緒丙子年拾貳月 日」等字串。其中，「\S」 代表任意的「非空白 (white-space) 字元」，「.」可以比對任意的字元，而「{m,n}」則表示符合的字元數目要在 m 與 n 之間。

當然啦，現實總不是那麼簡單與美好。和之前幾篇 posts 類似，總有些打錯的字、莫名其妙的斷行、以及更冗長的時間寫法（例如，「光緒八年歲次壬午拾壹月 日」之類）。此外，古時候中國是採用農曆，有時會有「潤八月」之類的字串出現。因此，要找出合用的正規表示式，就會複雜許多。

不願長大

「我沒有長大，我長小了。」

前一陣子告訴寶寶，她已經三歲多、長大了，要學會自己穿衣服、自己刷牙、自己吃飯、自己睡覺。小傢伙竟然說她「長小了」，令人不禁莞爾。

當然，三歲的小孩，經常連自己想表達什麼，都說不甚清楚。但這一陣子，我常覺得，自己是不是也「不願長大」呢？

有人說，中年的主要課題是，摒棄自己想像的一切安全庇蔭，練習對自己負起一切責任。只是，我真的準備好了嗎？

看（聯合報附贈的）紐約時報差不多也有半年的時間了，近來越發覺得自己的英文程度實在不好。有時真的很希望時光倒流：若是自己能夠從十幾年前，就開始閱讀，現在的程度是不是能夠好上許多？

也想起自己兩個月前，是想用一年左右的時間，好好地整理、寫出一些曾感興趣的東西。然而，最近卻幾乎都把時間花在「工作」上了。雖然頗為確定：現在的工作，都是在自己意願下去做的；但是，總是希望時光走得慢些，好讓自己有多些時間來喘息。

想起貓在 Blog 引村上春樹的話語：「四十歲是人生一個很大的轉捩點。那時，我將選擇一些什麼，並捨棄一些什麼。」我想，這應該是個困難、卻又無法逃避的選擇吧。

年近四十，對時光的飛逝，有時真會有股莫名的煩亂。雖感覺不出書上常說的恐懼（不願接受、想找方式來逃避），但卻常帶點無奈、有些悲傷（為逝去的青春感嘆）、更常感困惑：這些日子裡，自己究竟做了些什麼；而接下來的日子，我又想做些什麼、該做些什麼？

想擁有多些時間，來更了解自己。但歲月催人老，不願，卻也無法拒絕長大。

令人感動的童言童語

「爸爸你討厭，我要把你丟掉！」

雖然是負面的語言，從寶寶的口中講出來，卻格外感覺溫馨。小傢伙早晨起床，發現爸爸不在身邊，哭著訴說她的不滿。她要媽媽打電話，然後竭盡所能，對我說她僅知的負面詞彙：「爸爸上班，我不喜歡爸爸，爸爸討厭、小氣鬼！」

老實說，聽她這樣哭訴，心裡充滿著感動與不捨。我想，我會珍惜和三歲寶寶相處的歲月。這些日子的點點滴滴，終將伴隨著我，走過看似蒼茫的歲月。

Seeing through the distance

上週聯合報附贈的紐約時報，有一篇「捷克梅第的女人，訴說她們的故事」。

原文的標題是「Women Who Posed for Giacometti Tell the Tale」，大意是幾位曾讓藝術家 Giacometti 繪描、塑像的女性，回顧她們當模特兒擺姿勢的情景。原文還有附譯稿，可以讓英文程度不怎樣的我，更有機會一窺紐時報導的文采。

我很喜歡中間的許多描述。尤其是，它讓我對這位藝術家的「追求完美、挑戰不可能任務」產生極大的嚮往與敬意。

文中說，Giacometti 對自己雕塑出來的頭像，總是不滿意。而一位模特兒回顧說，她在擺姿勢時，有時會覺得自己好像是靜物，而旁邊的雕像才是活的。她說，Giacometti 的頭像，總是超越物體朝遠方看，總是「看著遠方」（seeing through the distance）。

好一句「seeing through the distance」。雖說被翻譯為「看著遠方」，但我總覺得有「看穿距離」、「洞察時空」的意涵。用它來形容藝術家的執著與追求，真有股力透紙背、畫龍點睛的效果。

淡水河岸的民俗藝品

也不知小傢伙是從哪得來的訊息，昨天寶寶吵著要到淡水坐船。

看看氣象預報，接下來一整個星期氣溫都會偏低，昨天算是不錯的天氣。想了想，淡水不好停車，還是開到左岸八里，坐渡船到淡水，走走逛逛好了。

在淡水捷運站旁，看到民俗藝人用吸管做飾品與玩具，維妙維肖。據說，除了毛毛蟲是用衛生紙做的之外，所有的東西都是用吸管做成的。寶寶年紀小，只能玩「蝸牛」，除了比較安全，還可以吹出笛音。

小傢伙當然很高興，拿著它一路吹著玩。看著她純真可愛的模樣，心裡有股形容不出的感動。

Obviously ..., so ...

那些東西是「不證自明」、「明顯不過」的呢？

前一陣子某篇post的回應裡，MPH 舉出「刻卜勒的猜想」這本書裡，提到知名數學家也會犯類似的 "Oh, it's obvious!" 錯誤（或可說是「傲慢」吧），看了真的頗有感觸。

也就像 Ankh 對同一篇 post 的回應，什麼樣的東西才算 "obvious"、才算 "trivial"、才算 "clear" 呢？

Papadimitriou 有一本很有名的課本「Computational Complexity」，已經接連著約十年，被台大資工所拿來作為理論課程的教本了。這本書內容廣泛、證明也多半相當漂亮。但是，有多少人會注意到，它有一個證明「應該」是錯誤的呢？

經過了這許多年，似乎沒有太多人注意到這個問題，而更正版也沒有修正。或許，因為這本書的主旨是在「Complexity」，不是在「Logic」，所以很少人在意吧。

說是「應該有錯誤」，是因為我認為它證明有誤。但是，人家可是大師級的理論學者啊，或許是我自己弄錯了呢！（問題出在哪裡呢？出在它前四行半的鋪陳，拉拉雜雜說明了許多沒錯的事實或推論；但這些並不能得到「So, ...」之後的結果。由此觀點來看，這和「芝諾的烏龜」，是不是也有異曲同工的味道？）

我想起時下的一些政治評論與財經報導。許多「看似有理」、「假借客觀方式論證」的文章，通常都會先東扯西扯地說許多沒什麼相關、但也沒怎麼錯的觀察（但通常有意無意地忽略了相反的意見），然後就突然跳到結論。

不甚明白：他們究竟是想說些什麼、是不是真的知道自己想說些什麼。還是，他們其實另有所指、別有所圖？