Question

我需要找到两个维基百科页面之间的最短距离（“跳”）

我有一个方法来提取页面上的所有内部wiki链接

我知道起始目的地和结束目的地，但我对如何从数据中提取跳数感到茫然

到目前为止，我一直在使用链接提取方法来填充字典，其中键是页面上的链接，值是从中删除的页面。

如果有人有任何想法，一个好的数据结构将保存信息，然后如何浏览它我会非常感激

Answer 1

你对graph theory有什么了解吗？您拥有构建图表所需的数据，但您需要使用Dijkstra's algorithm遍历它以找到两点之间的最短路径。

Answer 2

也许它有点愚蠢，因为我不是一个真正的C＃程序员，而是一个包含里面所有链接的多维数组，根据维度的深度，让你知道哪种方式包含更少的箍。

这只是一个想法，虽然这在理论上肯定是可行的，因为阵列可以拥有的维度数量没有语言限制，我很确定它真的会耗尽内存！

这样的事情：

[source] -> [source link] -> ['source link' link] -> etc
         -> [source link] -> ['source link' link] -> etc
         -> [source link] -> ['source link' link] -> etc
         -> [source link] -> ['source link' link] -> [target]
         -> [source link] -> ['source link' link] -> etc

Answer 3

假设您有IEnumerable<Link> PageLinks(Link link)

跳数将通过以下方式解决：

Link curentPage = "somepage";
Link destinationPage = "otherpage";
if (currentPage == destinationPage) return 0;
int hops = 1;
IEnumerable<Link> currentLinks = PageLinks(currentPage);
IEnumerable<Link> visited = new [] {currentPage};
while(!currentLinks.Contains(destinationPage)) 
{
    currentLinks = currentLinks
        .SelectMany(l => PageLinks(l).Where(f => !visited.Contains(f)));
    visited = visited.Union(currentLinks);
    hops++;
}
return hops;

编辑为了更快地骑自行车，虽然算法没有它可以工作。如果页面没有链接，它可能会一直运行到StackOverflow。

Answer 4

以下是python中Dijkstra算法的实现：http://code.activestate.com/recipes/119466/

Answer 5

我认为在这种情况下图表很稀疏。因此，对每个维基百科页面使用HashSet之类的东西可能是一个好主意，其中的页面链接到集合内部。

在这种情况下，你真的不需要实现Dijikstra的最短路径算法。因为这等于最短路径问题，其中每条边的权重等于1.您可以只做一个Breadth-first search并获得目标页面所在的深度。

找到两个网页之间的最短路径

5 个答案: