Group items tagged

地图相关服务网站 1.Wayfaring.com :利用了Google map api service, 提供你很方便就可以将Google Map应用到你的网站或Blog中的服务, 可以轻松地在线创建地图, 加waypoint, note, 然后存下来, 将它提供的html code拷到你的Blog上就可以显示了, 还有其它和读者交互的一些方式, 比如让读者在地图上标注等等。 2.Frappr：也是利用核心的Google map技术，你可以在这里创建自己的社区或群组。成员可以在自己的Group的地图内标注自己的地理位置，简单留言或上传图片。 3.Housingmaps：Google map与搜索相结合的典范，其网站将Google的地图同公寓出租，以及住宅购买数据相结合，来创建一种交互式的房屋搜索工具。你可以选择房屋的地点和价位。 4. E都市：E都市作为三维仿真的网上交互性城市平台是基于WEB GIS和虚拟现实技术所实现，运用3D全景影象等技术,通过三维实景模拟的表现方式，无缝的集成城市电子地图、三维电子黄页、生活资讯、电子政务、同城电子商务、同城交友、虚拟社区等服务内容。 5.都市圈：与Google map/Earth或城市吧最大的差别是，都市圈最大的特点是它的三维虚拟地图，而不是卫星图或实景图。都市圈上面提供了三种基本的浏览模式：平面、立体、卫星。其中的立体指的就是三维虚拟地图是最具特色的。 6.Seomoz.org/ip2loc/ip2loc.php:利用了Ajax技术，SEOmoz 做的一个网站，让你打入IP然后就会在Google map点出大约地理位置。不过好像用来找我的IP不能在地图上清晰显示，因为Google Maps上面的中国地区图像解析度一般不高。 7.Cityranks：在Google map上显示人口密度的网站。 8.Communitywalk ：让用户自己创造地图，与他人分享。 9.TravelPost:在地图上提供游客张贴日志、照片、旅馆评等之类的资讯。 10.KMaps：以google map为本，开发出一套系统，让网友可以在各种行动设备上取得所在位置附近的资讯，诸如附近餐厅的地址、前往餐厅的路线等。拓宽了地图的应用层面，包括在住家附近找到约会对象，提供联谊连网等。 11.Tutorlinker是由两位洛杉矶的大学生创办的一个网站，网站利用Google Maps技术将提供家教人员的位置在地图上显示，想要找家教的学生或者家长可以很方便的利用这个网站找到自己附近提供家教的信息。详细介绍。 12.Auctionmapper是一个基于eBay的商品搜索网站，它使用flash技术将eBay的搜索结果展现在地图上（仅限于美国地区）。详细介绍。 13.Musiclocated ：是一个由西班牙的音乐爱好者和喜爱音乐的人创办的一个非盈利的提供在线定位音乐家和音乐圣地的服务，这些定位通过Google Maps在地图上显示。详细介绍。 14.邻居网：是一个通过Google Maps将您指定生活、学习、工作或者“去过”的地方的地理坐标标出，通过这种标注，邻居网上的朋友可以通过网络发现自己在现实生活中身边的朋友。 详细介绍。 15.Geoiptool：是又一个基于Google Maps在线应用,你可以通过Geoiptool查找不同IP地址的位置，位置信息可以在Google Maps上显示出来。 16.Mapwing：是一个提供在线虚拟导游地图服务的网站。Mapwing希望通过图片来构筑在线的虚拟导游地图。用户可以上传自己的图片，然后对于图片上的任意一个点，用户可以提供东南西北四个方向的视图照片，以达到比较珍视的虚拟效果。同时，你可以浏览所有用户建立的虚拟地图。详细介绍。 17.Mapmsg：是一个提供很有意思服务的网站，它通过将发送消息与Google maps相结合，你可以选择地点，然后输入你想要输入的消息，你发送的消息便可以在地图的这个地点来显示。详细介绍。 18.EEmap:一种基于Wiki理念的在线互动电子地图服务。与一般电子地图服务和WebGIS不同的是，这种电子地图可以由普通使用者自行编缉。 19.Grou.ps 是一个在线社群网络社区，可以将其理解为“加强版”的Yahoo/ Google Groups。提供书签分享服务，组群服务，Wiki功能，还提供了地图服务，小组成员可以在地图上标明自己的位置。详细介绍。 20.Nearbie和我以前介绍的Dandelife和Ourstory比较类似,是一个通过将自己的历史记录通过照片,文字,地图等方式记录下来,能够和自己的家人和朋友分享,也能够按照一定的方式管理自己的历史记录。详细介绍。 21.龙久久是一群由爱好网络的留学生、管理者等创建的一个以互联网为平台 的人生的分享和交流社会化网络社区。其中生命站点主要是通过Google Maps将你生命中待过的地方在地图上标注出来，并且可以选择在某个地点待的时间段，并且在这个时间段内可以撰写博客，上传照片，而这所有的博客内容，照 片内容都可以在这个地图上汇总显示。即将时间轴的内容“博客和照片，文件”和空间轴“地点”紧密的联系在一起。详细介绍。 22.Triphub是一个提供在线组织出游服务的网站，你可以通过Triphub组织旅游，邀请你的好友参加，和你的好友分享和讨论旅行计划，统筹出游相关事宜等等。Triphub提供了旅游地图相关服务。你可以通过地图分享你的旅行计划 。详细介绍。 23.Planningalerts提 供一项在线提醒服务，提醒服务的内容比较有意思，那就是你居住地附近的项目，如附近电影院或者酒吧开张，拆迁或者翻新情况。你可以在地图上查看通知区域。详细介绍。 24.Remember the milk：是一个提供在线个人任务管理服务的网站。Remember the milk允许你将你要完成的时间列表标注在地图上，这样可以将你要做的事件可视化，更加形象，一目了然。详细介绍。 25.Qlock：是一个利用Google Map构建的世界时钟网站，你可以在下面的查找栏中输入城市的地址，它就会把当地的时间显示在上面的Google地图中 。 链接：http://www.web20share.com/list/map

echcrunch已获悉有关Google新的社会化网络项目的详细资料，它名为“OpenSocial ”（将特意于周四在美国推出）。OpenSocial本身并不是一种社交网络，而更像另一种通用的API（应用程序编程接口），它允许开发者享有下列核心功能和信息。 页面信息（用户数据） 好友信息（社交地图） 行为（发生的事件，可测定用户特征的新闻订阅）

它是社交网络的“第三方”(third place)——对于那些缺乏流行性或过分专门的社交网络，如Ning, Hi5以及我们的老朋友Friendster来说，这是一个巨大的推进契机。 对开发者而言，也有许多益处。他们可建立一种易于在全体OpenSocial合作者间通用的网络应用。他们可使用HTML，Javascript和Flash——而不是Facebook迫使用户采用的自有语言。 对使用者来说，好处在哪里，并不明朗。我设想将会有一些互用性——例如，当使用者加入社交站点Ning后，将有置入他们Friendster页面和数据的链钩（hook）。

几种有趣的用户界面设计，它们是： • 滑块筛选 (Slider-based Filtering) • 鱼眼菜单 (Fisheye Menus) • 树图 (Treemaps) • 拖放(Drag-and-drop)

鱼眼菜单 鱼眼菜单（Fisheye menus ）对于帮助用户浏览很长、但有序的列表很有用处。该菜单可以动态的变换菜单条目的尺寸，将鼠标所在区域放大。这样便可以在一个屏幕上显示并操作整个菜单了，而无需传统的按钮、滚动条、或分级浏览结构。

滑块筛选 Amazon’s Diamond Search （亚马逊的钻石搜索）的用户界面采用了点击-拖拽的滑块，这样用户可以扩大和缩小搜索的筛选标准。用户通过滑动来变更用户选择的标准时，该页面可以自动的更新搜索结果。 这个界面具有直观和信息丰富的特点，用户可以很容易的在大量信息中搜索所需要的结果：

基于这样一个矩阵，我们就能够将一个词扩展成为一组词汇，因而也同时可以将文章所对应的向量扩展成一个更多词汇的集合。 这里的计算需要一个完整的相关度矩阵:M M(i,j) = {关键词i,j的相关度} 而两篇文章的相关度的计算，也由简单的 R= Sigma Vi*Vi 变为 R= Sigma Vi*M(i,j)*Vj 查询关键词和文章的相关度也由简单的 R(i)=TF(i)*IDF(i) 变为 R(i)=Sigma TF(j)*IDF(j)*M(i,j)

假设一个文章集合 {C}，总文章数目为N，其中含有单词A的文章总数为Na，含有单词B的文章总数是Nb，含有｛A+B｝的文章总数是 Nab，那么相关性这么计算 CorrAB= Nab/(Na+Nb-Nab)-(Na*Nb)/(N*N) 本计算中可能会得到负相关，如果考虑到Na,Nb都是小量，可以忽略，那么 CorrAB= Nab/(Na+Nb-Nab) 至此，要计算相关度之间的全部要素都获得了。 思考，那么到底 学校 和学生 之间的相关度是多少呢？ 我们利用google来回答这个问题吧： 约有91,700,000项符合学校的查询结果 约有88,200,000项符合学生的查询结果 约有48,900,000项符合学生 学校的查询结果 Corr{学校，学生}＝48,900,000/(91,700,000+88,200,000-48,900,000)=0.37 这个原理我以前应用在了计算【网页信噪比】上，和网页信噪比一起成为衡量一个网页的关键词的核心算法。 这也就是为什么6e的网页信噪比能够不依靠网页上现有的关键词而准确的判断网页的分类和相关度，是因为除了TF和IDF之外，我们能够从已有的文本集合里学到更多的“知识”。