我下载了 Wikipedia Pagelinks 数据集(可在 Wiki Dumps - http://dumps.wikimedia.org/enwiki/20140102/ 上找到)。我想在数据集上运行 PageRank 算法，但是，我无法解析数据，因为它没有很好的记录。
这是下载的数据集的示例。给出的字段是 p1_from、p1_namespace 和 p1_title。网上查了一下，p1_namespace是一个表示文章类型的数字，但是我不知道p1_from是什么。为了实现 pagerank 算法，我想要链接到特定文章的文章数量，但是，我不知道 p1_from 代表什么。顾名思义，它听起来像是离开那篇文章的链接数量，而不是相反。是这种情况吗？而且，如果是的话，我如何在给定数据的情况下反转图表，以便我可以找到正确的数字。
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')
最佳答案
SQL 转储直接包含来自 MediaWiki 使用的 MySQL 表的数据。这些表记录在 mediawiki.org 上，在您的情况下是 the pagelinks table 。
不，那不是 1(数字一)，而是 l(字母 L)，pl 是 pagelinks 的缩写。
从文档中，这是“包含链接的页面的 page_id 的关键”。要找出链接来自的页面的名称，您将需要 the page table 。
关于database - 解析维基百科页面链接数据集，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/21322532/