中科院分词系统分析

两天我开始看ICTCLAS的实现代码了，和吕震宇的感觉完全一样，代码真的是糟糕透顶，呵呵，非常同情吕震宇和Sinboy能够那么认真地把那些代码读完。

有了你们辛苦、认真的分析工作，让我更容易的读懂ICTCLAS的代码了，谢谢了。

阅读过程中注意到了他们分析中有些地方有点小错误。

ICTCLAS的命名好像没有正统的学过数据结构一样，对于数据结构的命名非常富有想象力，完全没有按照数据结构上大家公认的术语命名，所以给代码的读者带来很大的迷惑性。

所以我们在看名字的时候一定要抛开名字看实现，看本质，看他们到底是个啥。

呵呵。

首先就是CQueue的问题，CQueue虽然叫Queue，但是它不是FIFO的Queue。

那它是什么呢？CQueue是优先级队列Priority Queue和Stack的杂交。

但是没有半点FIFO的Queue的概念在里面。

CQueue元素有一个权重eWeight，这个权重如果不为0（或者说互相之间不等），那么CQueue 此时的含义是按照权重由小到大排序的优先级队列。

如果CQueue的所有元素的eWeight都相等，（在ICTCLAS代码里就是都为0），此时CQueue 就演变为FILO的Stack，栈。

因此这个CQueue才会有Push和Pop两种插入和删除元素的命名。

呵呵，挂着羊头卖的是狗肉，还是两只狗。

对于C#、C++、Java来说，类库里面都有现成的优先级队列和栈的实现，而且可以用List<T>重载小于号(C++)、重载CompareTo()（C#,Java）List.Sort()来代替优先级队列实现和并且具有和作者一样的Iterator的功能。

那个CQueue完全可以省略掉。

然后是Dynamic Array。

动态数组？非也。

这个是用来表示稀疏图的邻接表，每一个元素表示的是图上的一条边。

对于非稀疏的图往往喜欢用NxN的数组来表示N个节点的连接关系。

而对于稀疏图来说，无疑会浪费大量的空间，于是往往采用记录邻接两点的边的方式来记录图。

作者为了能够让以后调用的时候方便，对于起点和终点进行排序（或者说维护了顺序）。

对起点排序，就是代码中所谓的RowFirst，对于终点进行排序就是ColumnFirst。

那为何作者叫DynamicArray呢？其实也不难想象，首先是因为邻接表实际上就是边的一个列表，也可以看为数组。

但是边的数量是在变化的，而不是最开始就可以知道的。

因此这个数组是动态的。

于是就叫动态数组了。

汗。

对于DynamicArray，我们也完全可以用List<>.Sort()的方式来实现，对于C++来说，我们需要定义2个functor，分别是起点优先比较和终点优先比较。

对于Java和C#也有类似的定义比较函数的办法。

因此这个DynamicArray()，可以扔掉了。

没必要用这么一个奇怪的东西。

接下来我把NShortPath中的最主要的三个函数int Output(int **nResult,bool bBest,int *npCount);int ShortPath();void GetPaths(unsigned int nNode,unsigned int nIndex,int**nResult=0,bool bBest=false);的代码和分析帖在下面，分析都写在注释里了。

在具体开始之前，我先明确一个东西，在中科院的论文里称求解多个最优路径问题为N最短路径问题(N-Shortest Paths)，如果你google你会发现没有多少有用的结果，其实不然。

不知道是不是作者不了解国际上对该问题的讨论，这个问题应该称为k shortest path（即K最短路径问题）。

这个问题也已经有了不错的解法，David Eppstein分别在1994年和1997年已经给出了大约复杂度为O(m + n log n + kn)的解法。

而中科院论文里面的解法的复杂度还是比较高的：O(n*N*k)。

（两个复杂度的字母含义不同，定义请看原论文）。

所以，如果可能，再次实现ICTCLAS的算法的朋友可以考虑抛开中科院的求k shortest path的解法，而使用国际上比较流行的解法。

BTW: 问一下，吕震宇，你有什么比较可爱点的称呼么？呵呵，我这么直呼大名在中文的习惯里似乎不太礼貌。

：）int CNShortPath::ShortPath()...{unsigned int nCurNode=1,nPreNode,i,nIndex;ELEMENT_TYPE eWeight;PARRAY_CHAIN pEdgeList;// 循环从1开始，即从第二个节点开始。

遍历所有节点。

for(;nCurNode<m_nV ertex;nCurNode++)...{CQueue queWork;// 有CNShortPath调用的上下文可知，入口的m_apCost为列优先排序的CDynamic Array。

// 换句话说就是：// list<Edge> m_apCost;// list.sort(m_apCost, less_column_first());// 下面这行代码是将该列的边的起始链表元素赋予pEdgeList，以方便遍历。

// 算法上的含义是取得图上终点为nCurNode的所有边，并将第一条边放入pEdgeList进行对所有边的遍历。

eWeight=m_apCost->GetElement(-1,nCurNode,0,&pEdgeList);//Get all the edgeswhile(pEdgeList!=0 && pEdgeList->col==nCurNode)...{// nPreNode是当前边的起点nPreNode=pEdgeList->row;// eWeight是当前边的长度eWeight=pEdgeList->value;//Get the value of edges// 对于dijkstra算法来说，我们需要知道当前节点（终点）的通过不同的前方的点到原点的距离// 并且从中知道最短的路径，然后我们会更新当前节点的父节点和当前节点到原点的距离。

// 在这个修改后的多最短路径算法中，我们将（当前节点的父节点，当前节点通过该父节点到原点的距离）视为一个配对// 我们保留一个为m_nV alueKind大小的数组，记录这些可能的配对，而不仅仅是保留最小的。

// 下面这个循环就是将所有可能的组合放到优先级队列中，然后将来可以从优先级队列中选取前m_nV alueKind。

// 这里循环范围限定到m_nV alueKind主要是考虑以后所需要的不会超过这么多个值。

// 这里放入优先级队列的是前向节点和长度，相当于是路径，而不是长度的值的列表，与后面表达的意思不同。

for(i=0;i<m_nV alueKind;i++)...{// 如果起点>0，即判断起点是不是第一个节点。

if(nPreNode>0)//Push the weight and the pre nodeinfomation...{// 起点不是第一个节点。

// 判断起点到原点的总长度在索引值为i的时候是不是无穷大。

// 如果无穷大了，就说明前一个点已经无法到达了，说明没有更多到前面节点的路径了// 也不必继续向优先级队列中放入点了。

if(m_pWeight[nPreNode-1][i]==INFINITE_V ALUE)break;// 将起点，索引值i，和终点到原点的总长度压入优先级队列。

queWork.Push(nPreNode,i,eWeight+m_pWeight[nPreNode-1][i]);}else...{// 起点为第一个节点。

// 将起点，索引值i，和当前边的长度压入优先级队列queWork.Push(nPreNode,i,eWeight);break;}}//end for// 换到下一条边。

pEdgeList=pEdgeList->next;}//end while//Now get the result queue which sort as weight.//Set the current node information// 将起点到原点的长度，对于每个索引值都初始化为无穷。

for(i=0;i<m_nV alueKind;i++)...{m_pWeight[nCurNode-1][i]=INFINITE_V ALUE;}//memset((void *),(int),sizeof(ELEMENT_TYPE)*);//init the weighti=0;// 进行循环，索引值小于想要的索引值时，并且优先级队列不为空。

// 在这里面的i表达的是长度的值的索引，并不代表不同的路径，同一个i 可能对应多个路径。

// 这个循环过后，m_pWeight[nCurNode-1][] 为可能存在的前m_nV alueKind 个长度值。

// 并且把前m_nV alueKind个路径压入m_nParent对应的队列中。

//while(i<m_nV alueKind&&queWork.Pop(&nPreNode,&nIndex,&eWeight)!=-1)...{//Set the current node weight and parent// 从以长度为优先级的队列中，提取第一个（最短的）记录。

// 将该记录的起点给nPreNode，索引给nIndex，长度给eWeight// 如果起点到原点的长度为无穷。

（这在第一次循环的时候显然是无穷）// 就将这个长度设为最短边的长度。

if(m_pWeight[nCurNode-1][i]==INFINITE_V ALUE)m_pWeight[nCurNode-1][i]=eWeight;else if(m_pWeight[nCurNode-1][i]<eWeight)//Next queue...{// 否则，如果起点到原点的长度小于当前边的长度// 递增索引值，换到下一套选择值去。

如果到达了最大索引值就退出循环。

i++;//Go next queue and record next weight// 既然这里有是否会大于最大索引值的判断，何必在while条件里面加那个条件呢？if(i==m_nV alueKind)//Get the last positionbreak;// 将起点到原点的长度，下一个索引值(i+1)，设为队列中元素的长度。

m_pWeight[nCurNode-1][i]=eWeight;}else...{// 如果起点到原点的长度== 队列中的长度，那么只向当前节点，当前索引的父节点中插入一个配对。