解析維基百科Pagelink數據集

我下載了維基百科Pagelinks數據集（可在Wiki Dumps上找到 - http://dumps.wikimedia.org/enwiki/20140102/）。我想在數據集上運行PageRank算法，但是我無法解析數據，因爲它沒有很好的記錄。解析維基百科Pagelink數據集

這是下載的數據集的示例。給出的字段是p1_from，p1_namespace和p1_title。在線看，p1_namespace是一個表示文章類型的數字，但我不知道p1_from是什麼。要實現pagerank算法，我想要鏈接到特定文章的文章數量，但是，我不知道p1_from代表什麼。從它的名字來看，這聽起來像是從這篇文章中刪除的鏈接的數量，而不是相反。是這樣嗎？而且，如果是這樣，我怎樣才能在給定數據的情況下反轉圖表，以便找到正確的數字。

DROP TABLE IF EXISTS `pagelinks`; 
/*!40101 SET @saved_cs_client  = @@character_set_client */; 
/*!40101 SET character_set_client = utf8 */; 
CREATE TABLE `pagelinks` (
    `pl_from` int(8) unsigned NOT NULL DEFAULT '0', 
    `pl_namespace` int(11) NOT NULL DEFAULT '0', 
    `pl_title` varbinary(255) NOT NULL DEFAULT '', 
    UNIQUE KEY `pl_from` (`pl_from`,`pl_namespace`,`pl_title`), 
    KEY `pl_namespace` (`pl_namespace`,`pl_title`,`pl_from`) 
) ENGINE=InnoDB DEFAULT CHARSET=binary; 
/*!40101 SET character_set_client = @saved_cs_client */; 

-- 
-- Dumping data for table `pagelinks` 
-- 

/*!40000 ALTER TABLE `pagelinks` DISABLE KEYS */; 
INSERT INTO `pagelinks` VALUES (10,0,'Computer_accessibility'),(12,0,'-ism'),(12,0,'1848_Revolution'),(12,0,'1917_October_Revolution'), 

(12,0,'1919_United_States_anarchist_bombings'),(12,0,'19th_century_philosophy'), 
(12,0,'6_February_1934_crisis'),(12,0,'A._K._Press'),(12,0,'A._S._Neill'),(12,0,'AK_Press'),(12,0,'A_Greek–English_Lexicon'),(12,0,'A_Language_Older_Than_Words'), 
(12,0,'A_Vindication_of_Natural_Society'),(12,0,'A_las_Barricadas'),(12,0,'Abbie_Hoffman'),(12,0,'Absolute_idealism'),(12,0,'Abstentionism'),(12,0,'Action_theory_(philosophy)'), 
(12,0,'Adam_Smith'),(12,0,'Adolf_Brand'),(12,0,'Adolf_Hitler'),(12,0,'Adolphe_Thiers'),(12,0,'Aesthetic_emotions'),(12,0,'Aesthetics'),(12,0,'Affinity_group'),(12,0,'Affinity_groups'), 
(12,0,'African_philosophy'),(12,0,'Against_Civilization:_Readings_and_Reflections'),(12,0,'Against_His-Story,_Against_Leviathan'),(12,0,'Age_of_Enlightenment'),(12,0,'Agriculturalism'), 
(12,0,'Agriculture'),(12,0,'Al-Ghazali'),(12,0,'Alain_Badiou'),(12,0,'Alain_de_Benoist'),(12,0,'Albert_Camus'),(12,0,'Albert_Libertad'),(12,0,'Albert_Meltzer'),(12,0,'Aleister_Crowley'), 
(12,0,'Alex_Comfort'),(12,0,'Alexander_Berkman'),(12,0,'Alexandre_Christoyannopoulos'),(12,0,'Alexandre_Skirda'),(12,0,'Alfredo_M._Bonanno')

來源

2014-01-24 iamseiko

我無法解析數據，因爲它沒有很好的記錄。

SQL轉儲包含直接來自MediaWiki使用的MySQL表的數據。這些表格記錄在mediawiki.org上，在你的情況下是the pagelinks table。

給出的字段是p1_from，p1_namespace和p1_title。

沒有，這不是一個1（一個號碼），它是一個l（字母L），pl是短期的pagelinks。

我不知道p1_from是什麼。

從文檔，這就是「鍵包含鏈接的頁面PAGE_ID。」要找出鏈接來自網頁的名稱，您將需要the page table。

來源

2014-02-07 18:59:19 svick

解析維基百科Pagelink數據集

回答

相關問題