當(dāng)我們?cè)谡務(wù)搆means（1）
引言
當(dāng)希望快速了解或回顧某些算法的發(fā)展時(shí)，一般而言，大家都會(huì)選擇閱讀綜述性文章，然后有選擇性的閱讀部分論文。而這種高效率的做法的負(fù)面，就是比較無趣的體驗(yàn)，畢竟一直都行走在別人規(guī)劃好的思路中，總感覺少了點(diǎn)趣味性。
此系列文章一方面旨在回顧一些算法的歷史演變軌跡；同時(shí)，看看能否挖掘出更多有趣或有意義的信息，讓算法之路走的歡脫一點(diǎn)。
作為練手，本次先從k-means這個(gè)最基本的機(jī)器學(xué)習(xí)算法之一開始。
數(shù)據(jù)準(zhǔn)備
從IEEE上抓取“標(biāo)題或摘要中含有kmeans或相關(guān)關(guān)鍵詞的論文”的部分公開信息，對(duì)于現(xiàn)在已有的信息，我關(guān)注的主要是title、authors、keywords、abstract、publicationYear、isConference（是否是會(huì)議文章）。抓取到數(shù)據(jù)后，將數(shù)據(jù)存入mongodb，后續(xù)使用python+jupyter來分析。
受限于抓取難度，以及本人初步的爬蟲水平，并沒有抓reference，這對(duì)接下來的數(shù)據(jù)挖掘是一個(gè)遺憾。若有同學(xué)比較擅長爬蟲，歡迎私信或留言交流！（IEEE的網(wǎng)站說明里聲明禁止爬蟲，因此政治正確上最好是不要去爬的，此處也不討論具體的技術(shù)細(xì)節(jié)）
數(shù)據(jù)總覽
論文數(shù)量
1969-2016年，每年IEEE收錄關(guān)于kmeans的論文數(shù)量如下圖。其中藍(lán)色表示當(dāng)年總文章數(shù)量，綠色表示當(dāng)年期刊論文數(shù)量，紅色表示當(dāng)年會(huì)議文章數(shù)量。
從圖中可以得出以下幾點(diǎn)結(jié)論：
1.1990年以前，kmeans相關(guān)文章很少，多的時(shí)候每年出版的總文章數(shù)量是1，少的時(shí)候則沒有任何相關(guān)文章出版；90年代作為明顯的過渡期，其之前與之后論文數(shù)量與趨勢的變化是翻天覆地的；
2.會(huì)議文章占了總文章數(shù)量的絕大多數(shù)：在抓取的6000多篇文章中，會(huì)議文章總5476篇，而期刊數(shù)量540篇，只有會(huì)議文章的1/10；而每年的會(huì)議文章跟期刊文章的比值也差不多這個(gè)數(shù)；
3.kmeans相關(guān)會(huì)議文章數(shù)量在2005-2010和2013-2015幾年間出現(xiàn)了爆炸性
