【毕设】周报-第10周

本周完成情况：

　　前半周时间重写了SAX解析XML的程序代码，绕过了SAXParseException异常问题。实验室的服务器Redhat Enterprise Linux 5.3系统不如想象中好用，重装为Ubuntu 8.10，并安装了MySQL等软件，开始导入层次关系数据库。与毕设同组的同学讨论了接口的高级功能。

　　维基百科网站真正的类别根节点是Contents（页面分类），它的子节点包括Articles、Categories、Timelines、Lists、Portals等。Portals（主题首页）并不如原来所想的那么重要。而Articles是英文维基的第二层最重要的节点，所有的词条页面都在它下面。

　　每周例会上汇报了工作。与师兄们交流后，明确了下一步工作内容。关于类别关系权值的设定，我之前理解错了，需要重新设计。

存在的问题：

　　用SAX解析XML虽然占内存很少，但是解析速度并不快。维基的数据量巨大，想要全部解析完毕几乎不可能。目前想到的方法是把代码导入服务器，由服务器慢慢处理。

　　对高级关系抽取的判定方法理解不深，还需要与师兄们再讨论。

下周计划：

　　继续基本关系抽取，完成外部接口的高级功能。设计实体间高级关系的判别方法。