前几天在网上购买了一台二手的三菱RDF223H显示器，九百元。
这个显示器说是22英寸，买回来就觉得没有想象中那么大，量了一下对角线：其实只有20英寸。检查后可以确认，应该不是卖家而是厂家的问题。以前只知道电视机尺寸缩水，没想到显示器也缩水这么厉害。
因为尺寸不大，所以分辨率也不能打太高。倒不是显示器或显卡抗不住，而是字太小不实用。1280*960字已经嫌小，更不要说1600*1200了。但是1024*768这分辨率也太低了，因此刚开始我用的是1152*864。
后来发现，在白色背景下有非常明显的水平条纹在移动，估计这是所谓的摩尔纹，但是在显示器的相应菜单下调节毫无用处。这种东西没觉察到还好，一旦你感觉到了就不能忍受，简直无法使用了。
很偶然地，把分辨率调节为1200*900后，摩尔纹竟然完全不见了。同时1200*900又是比较适中的分辨率，显示的文字大小恰到好处，真是两全其美。
日常使用：1200*900的桌面比1024*768要大不少，上网和办公都爽多了。如果上网的时候看帖子太累，在TheWorld里面可以使用鼠标滚轮的缩放功能把字变大。
看电影：平时屏幕亮度不要太高，对眼睛不好。看电影的时候可以利用显示器的SBMODE快捷键调节为超亮模式。如果看普通的DVDRIP，因为文件本身分辨率较低，放大到全屏看起来很不舒服，要离远了看才行。如果看高清，画面确实非常好了，但因为不是宽屏留出上下两条黑边也不是很爽。总的来说不是太适合看电影。所以我平时看片子都在37寸的液晶电视上，虽然也不算高端设备，但是比RDF223H还是要好多了。
那么RDF223H比起来液晶显示器怎么样呢？我个人认为基本上没什么区别，液晶显示器看电影效果也不比它好。RDF223H和液晶显示器最主要的区别不在于性能，真正的区别在于：1、液晶显示器贵，RDF223H便宜；2、RDF223H体积太大，想想看把20寸的电视机放在办公桌上是什么感觉。另外，液晶显示器都有个最佳分辨率，如果不在最佳分辨率下使用字就有点糊的。
总之，除了省钱，RDF223H并没有更多的优点。
虽然显示器的分辨率都是可以调节的，但是通常我们只使用一个固定的分辨率，而不会经常调节它。而那个固定的分辨率，基本上取决于我们观看文字的舒适程度，可以把它称为显示器的最舒适分辨率。而这个最舒适分辨率又和显示器的尺寸有关，越大的显示器可以使用越高的分辨率。
如果把17寸显示器的最舒适分辨率是1024*768定为一个基准，那么按照比例推算过来：19寸应该是1152*864，20寸应该是1200*900，21寸应该是1280*960，而1600*1200需要27寸的显示器才能得到同样大小的文字显示。
以上推算都是针对于4:3的比例，不适用于宽屏显示器。
对于液晶显示器来说，还有一个最佳分辨率，即在这一分辨率下显示效果最好。最佳分辨率由液晶显示器本身的性能决定的，不是由人眼的舒适程度决定的。传统的CRT显示器没有最佳分辨率这一说。
题外话：1200*900不是显示器的标准分辨率。这是为什么呢？1200*900是很明显的标准的4:3的比例，为什么相似的800*600和1600*1200是标准分辨率，而1200*900却不是？搞了个1152*864？实在费解。
下面以一篇文章为例来看看效果。实验的文章是《清末新政与改革政治学》，应该可以google到。
全文字数约10k。整篇文章用到933个不同的汉字。按照某种方法，我确定了10k长度的文章的关键词中的单字的最低频率为14，这样就只留下了178个字。在此基础上，一步步采用前文所述的挑词法就能找出关键词了。
这是听起来很笨的方法，但是其效果出乎我的意料。结果如下（数字是出现频率）：
改革 68
政治 55
新保守主义 37
自由主义 33
新左派 32
自由派 21
激进主义 14
新权威主义 13
清末新政 13
市场经济 13
为了知道效果究竟如何，需要和其他软件对比一下。我在网上找到一个使用分词法的程序，免得麻烦，就不公布其名称了，称其为HL吧。它找出的前十个关键词如下：
1 保守主义 0.161777
2 左派 0.147942
3 新政 0.140808
4 激进主义 0.138543
5 自由主义 0.136648
6 立宪 0.127246
7 先验 0.103769
8 当下 0.091275
9 思潮 0.088722
10 激进 0.086936
对比一下就很容易知道我的方法的优越性了。
1、“自由主义”、“激进主义”是大家共有的。
2、“改革”、“政治”、“自由派”、“新权威主义”、“市场经济”是我有HL没有的。
3、“立宪”、“先验”、“当下”、“思潮”、“激进”是HL有我没有的。
4、我的“清末新政”，HL的“新政”。
5、我的“新保守主义”、“新左派”，它的“保守主义”、“左派”。
第1点，既然是公有的就不说了。
第2点，我有HL没有的关键词，“改革”、“政治”、“市场经济”不太好说，似乎太宽泛了，但也不是绝对不能作为关键词。“自由派”和“新左派”其实是一对关键词，“新权威主义”又和“新保守主义”、“自由主义”、“激进主义”一起应当都列入关键词。
第3点，HL有我没有的关键词，“立宪”不太好说；“当下”完全是废词一个；“先验”、“思潮”基本是废词；“激进”也基本是废词，更何况已经有了“激进主义”。
第4点，我的“清末新政”显然比HL的“新政”更有针对性，从而更有意义。
第5点，最能说明问题，着重说一下。
“新保守主义”和“保守主义”在文章中分别出现了37和40次，“新左派”和“左派”在文章中分别出现了32和40次，由于两组中后者的出现次数都已经包含了前者的出现次数，也就是说真正的“保守主义”在文章中只出现了3次，真正的“左派”在文章中只出现了8次。这说明了文章主要谈论的是“新保守主义”而不是“保守主义”，是“新左派”而不是“左派”。也就是说，HL把排在最前面两位的关键词弄错了，犯了不可原谅的根本性错误。
为什么它会犯这样的错误呢？这恰恰验证了我在“传统方法批判”中提出的两点分析：
1、词库的局限：词库里只有“保守主义”和“左派”，所以它就不认识“新保守主义”和“新左派”这两个新的专业词汇。
2、语义分析技术的局限：“新”字从语义上来说只是一般的修饰，有没有它都能成词，比如“新衣服”或“衣服”都是词语。这里也是差不多，“新保守主义”和“保守主义”都是词语；特殊的是，它们却又偏偏是不同的专业词汇。“新保守主义”对于“保守主义”的关系和“新衣服”对于“衣服”的关系是不同的。换句话说，“XY”如果是专业词汇，“新XY”可能也是专业词汇，也可能不是，语义分析技术从根本上无法认识到这一点，只能依靠专业词库。
我的根本观点是，一篇长度足够的文章，自身已经包含了足够的有用信息。外部词库或者语义分析应当是分析的辅助手段而不是主要手段。
所谓关键词，就是文章所主要讨论的内容，因此它在文章中出现的频率一定是很高的，这是我查找关键词的根本依据。根据这一论断，我们只要找出文章中出现的频率最高的词语就行了。
说到“词语”，要不要利用语义分析和词库来对文章进行分词操作呢？坚决不用。前文说过了，这种方法会错过新词和生词，而它们往往是关键所在。
我所采用的方法，是层层推进的找出词语的方法。我把它称为挑词法，以示和分词法的不同。下面详述：
第一步，先找出一个个的字（可以理解为一字词）。一篇10k字数的文章，用到约1k个汉字。既然是关键词，就必须达到一定的次数。假定10k字数的文章，关键词至少出现10次（这个要求很低了吧），那么其中的每个字也至少出现10次。这样一来就从这1k个单字中筛选出有效的单字约200个（这是我实验出来的）。
第二步，对每个有效的单字，找出文章中以其为起始的二字词，其随后的单字也应当在有效单字的列表中。再加以次数的限制，就可挑出有效的二字词。
第三步，对每个有效的二字词，找出文章中以其为起始的三字词，其随后的单字也应当在有效单字的列表中。再加以次数的限制，就可挑出有效的三字词。
依此类推，就可挑出有效的四字词、五字词。
在通过一些条件判断，就可以从这些二字词、三字词、四字词中挑出文章的关键词了。
我通过网络检索得知，分析文章关键词的一个普遍思路是，借助词库通过语义分析把文章中的语句分为词语，再统计各个词语的频率或者进一步语义分析从而找出关键词。其中的第一步分词，可能属于“自然语言分析”这一专业领域——我对此是一窍不通。
在我看来，上述思路有两个根本缺陷。
第一，它严重依赖于现有的词库，如果词库中没有的词就不能正确分析。有人或许会说，只要常用词就可以啦。大错特错！什么文章需要分析关键词呢？小说、散文、剧本、诗歌之类的文学作品不需要分析关键词。需要分析关键词的文章包括：新闻、议论文、说明文、学术论文等。这些文章往往具有时效性或专业性，或兼而有之。
时效性使得文章的关键词常常是新词，这其中可以是：新人、新事、新物、新地。一个原来默默无闻的人也可能一下子成为关注的焦点，比如最近被通知封杀的人名“gaoyingying”，总不能弄个词库收录世界上所有人的名字来应付这种可能性吧。如果要维护一个随时收录方方面面的新词的词库，其工程之浩大我是没办法想象。更何况词库如果太大了，应该会大幅降低语义分析的速度吧。
专业性使得文章的关键词常常是专业词汇，这不用说了。能不能做个词库把所有的专业词汇都收入呢？这应该几乎不可能。一方面专业词汇太多，另外随着技术进步它数量的增长也很快。就算有词库也总是滞后的，不可能和要分析的文章同步。再说了，为了分析一篇文章把各行各业的专业词汇全弄到词库里面来也太夸张了吧。如果说只要给文章的相关专业专门弄个词库就可以了，那岂不是还要事先分析文章是哪个专业的，如果是批量分析好多不同专业的文章怎么办？
第二，它严重依赖于语义分析技术。专业词汇里面的每个字可能都是很独特的语义，或者普通语义的特殊用途，可能需要最精确的语义分析才能把它弄明白，仍然低效。
以上只是我个人的猜测。也许现有技术已经很好地解决了这些问题，只是我不知道。
不过，我要说的是，分析一篇文章的关键词，根本不需要依赖于词库和语义分析技术，我们完全可以有另外的途径。
分析一篇文章的关键词，这是一个很有意思的问题。我也能够猜到这是一个很专业的问题。尽管我不是相关专业的，其实我连计算机专业的都不是，但是这并不妨碍我出于个人兴趣来思考并尝试解决这个问题，幸好我懂一点编程并自认有个能创意的头脑。
进一步讨论的前提是，准确度和速度的关系如何处理。分析的准确度和速度肯定是相互抵触的，立足于找关键词这一目标，我认为准确度远比速度更重要。找关键词就像打靶，打偏了再快也完全没用。所以准确度是第一位的，速度是其次的。
总之，基本原则就是在确保准确度的前提下尽可能提高速度。