软件构造实验1 part2

P3

1.1 Social
Network

该问题主要根据一个朋友圈的关系网建立一个无向图，并且计算出任意给定的两个人之间的距离。

主要考察了数据结构中有关图方面的知识，如广度优先搜索，邻接表的建立，以及Java中关于对象，类和方法的应用。

1.1.1 设计/实现FriendshipGraph类

l 设计思路：

² 要实现向图中添加点和边以及计算图中任意两点距离的方法；

² 其中需要注意不能向图中重复添加点或者边，所以添加点或者边时要判断当前图中是否已经添加了此点或者此边，若重复添加，则输出错误提示信息并终止程序运行；

² 另添加边时要注意边的两个顶点不能是同一个人，而且要注意如果要在两个 Person 对象 A 和 B 之间增加一条
社交关系，那么需要同时调用 addEdge(A,B)和
addEdge(B,A)两条语句，这样以便以后无向图向有向图的扩展。

l 主要介绍实现计算任意两人之间距离的设计思路

整体思路如下：

首先判断name1和name2是否满足以下三个的其中之一：

² 判断name2在整个关系图中是否为孤立点（即没有任何边可以到达该点）若是，则直接返回-1（这样避免了从name1进行大量的广搜而没有搜索到name2而进行的许多不必要的操作）

² 判断name1和name2是否是直接朋友，若是则返回1

² 判断name1和name2是否是同一个人，若是则返回0

若不满足上面三个，则运用图的广搜计算两人的距离，如下：

首先标记图中所有人的属性distance（该属性主要用来表示name1和name2之间的距离）为0，将name1标记为已访问点，使name1的所有朋友进入队列，并标记这些点为已访问点，并将其属性distance加1；

判断队列是否为空，若为空，直接返回-1，否则让队首出队，并判断其朋友是否包含name2，若包含则name1和name2的距离为队首的distance+1；若不包含则让队首的朋友中未访问过的人入队，并将这些人的属性distance赋值为队首的distance+1；然后重新判断队列是否为空，并重复上述操作，直至循环结束或退出循环，返回距离。

1.1.1 设计/实现Person类

l 设计思路：

² Person类主要用来设置有关每个人的信息的属性，如名字，他所有的朋友，以及辅助在计算两个人之间的距离时的辅助信息，如该点是否被访问过，该点在关系网中是不是孤立点（即没有任一条边可到达该点），以及记录两个人之间的距离

² 由于设置了person类中的属性都为private，所以构造了一些方法用来访问这些属性或者改变这些属性的值，如下图所示：

P4 Tweet Tweet

1.1.1 Problem 1: Extracting data from tweets

Ø 该问题由以下两个方法组成：

1.1.1.1
getTimespan（）

l 设计思路：

直接遍历tweets的列表里的推文，利用Instant里的isBefore和isAfter函数找到推文列表里的最早的发推文时间minTime和最晚的发推文的时间maxTime，则两者便构成了发推文的时间段

1.1.1.2
getMentionedUsers（）

l 设计思路：

该函数主要从所有推文中筛选出被@的用户名，需要构造正则表达式来筛选复合tweet用户名合法字符的用户，构造的正则表达式如下：

“^|([A-Za-z0-9_-]+)@([A-Za-z0-9_-]+)”，其中第一个（）里面的内容表示@前面应该是用户名中的非法字符，第二个（）里面的内容表示@后面的应该是用户名中的合法字符，该正则表达式可以找到出现在推文开头或中间以及结尾的被@的用户，找到这些字符串后，然后用Matcher 中的group函数提取匹配第二个（）里的内容，并以小写形式（用户名的大小写不敏感，所以直接以小写形式写入）写入set内

1.1.1 Problem 2: Filtering lists of tweets

Ø 该问题由以下三个方法组成

1.1.1.1
writtenBy（）

l 设计思路：

利用Tweet对象中的getAuthor方法提得到每一篇推文的作者，然后与参数username相匹配，如果匹配成功，则加入集合，直到遍历全部推文找到所有该作者写的推文

1.1.1.2
inTimespan（）

l 设计思路：

该函数主要实现从tweet列表中提取出在所给的时间段timespan中发表的推文，利用Timespan中的getStart函数和getEnd函数获得timespan的最早时间和最晚时间，然后遍历推文，找到符合这个范围发表的推文存入List中并返回

1.1.1.3
Containing（）

l 设计思路：

利用正则表达式\W+将每一篇推文分割成包含文章所有单词的字符串数组，然后判断这个字符串是否含有字符串数组words中的字符串，若包含，则将该推文添加到List中

1.1.1 Problem 3: Inferring a social network

Ø 该问题主要由以下两个方法构成

1.1.1.1
guessFollowsGraph（）

l 设计思路：

该方法主要实现提取每一个作者的推文中@的用户：

² 首先利用tweet中的提取推文作者的函数将所有推文的作者加入一个Set集合中（由于Set集合可保证元素的不重复，所以集合中不会重复添加作者名）；

² 然后对于每一个作者name，利用Filter类中的writtenBy方法提取每个name所发表的所有推文，然后利用Extract类中的getMentionedUsers方法提取作者在这些推文中@的用户，将其加入一个Set集合内，然后将其加入Map集合follow中

1.1.1.2
Influencers（）

l 设计思路：

² 首先得到所有推文的作者加入集合Set中

² 然后对于每一个作者，将其文章中@到的用户加入Map中，在加入之前首先判断该用户是否已经在Map中，若是第一次加入，则将其影响力记为1，若不是，则在其原来影响力的基础上再加1

² 最后将Map中的所有key加入到一个动态数组中，将该动态数组根据Map中其所对应的影响力由大到小进行排序，然后返回该List

1.1.1 Problem 4: Get smarter

该问题主要是对第三个问题的guessFollowsGraph方法进行进一步的改进，从而能够更深入地找寻用户之间的关系

l  设计思路：

²  在第三题的通过作者写的推文中的@的人有可能是作者关注的人，影响着作者以外，又增加了通过标签来判断两人是否有影响，即若两个人的推文中带有相同的标签，则有一定的可能性说明两者相互影响，则对作者追随的人的列表里就要再添加和作者带有相同话题的用户

²  首先利用正则表达式"#([A-Za-z]+)"找到每个作者所写的全部推文中所带的标签，若作者没有带过标签，则作者追随的人就只包括他文章中@的人，若作者的推文带标签，则通过构造的另一个辅助的方法MyContaining来找到和作者带有相同标签的推文，然后把这些推文的作者也加入作者追随的人的集合中