中科院分词系统分析ICTCLAS

// 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。
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。
北京即刻搜索博客
北京即刻搜索博客
// 循环从 1 开始，即从第二个节点开始。遍历所有节点。
for(;nCurNode<m_nVertex;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 CDynamicArray。 // 换句话说就是：
北京即刻搜索博客
北京即刻搜索博客
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_VALUE)
m_pWeight[nCurNode-1][i]=eWeight;
else if(m_pWeight[nCurNode-1][i]<eWeight)//Next queue
循环。
...{ // //
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
// 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_nValueKind
个长度值。
// 并且把前 m_nValueKind 个路径压入 m_nParent 对应的队列中。
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()
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_nValueKind)//Get the last position
break; // 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。
//
while(i<m_nValueKind&&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
// 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_nValueKind;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 node
// 因此这个数值的变化规律是初始位无穷大，第一次赋值 为最小值，然后逐渐增大。
} // 将（起点，索引值）压入起点的父节点的队列中去
m_pParent[nCurNode-1][i].Push(nPreNode,nIndex);
}
}//end for
return 1; }
//bBest=true: only get one best result and ignore others
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。
北京即刻搜索博客
北京即刻搜索博客
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。
// 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_nValueKind;i++)
...{
m_pWeight[nCurNode-1][i]=INFINITE_VALUE;
}
//memset((void *),(int),sizeof(ELEMENT_TYPE)*);
//init the weight
i=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。
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;
infomation
...{
// 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
北京即刻搜索博客
北京即刻搜索博客
// 也不必继续向优先级队列中放入点了。 if(m_pWeight[nPreNode-1][i]==INFINITE_VALUE)
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 DynamicArray。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。
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。
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
北京即刻搜索博客
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。
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);