CCF认证-202403-02 | 相似度计算
题目内容:
两个集合的 Jaccard 相似度定义为:
Sim(A,B)=|A∩B||A∪B|
即交集的大小除以并集的大小。
当集合 A 和 B 完全相同时,Sim(A,B)=1 取得最大值;当二者交集为空时,Sim(A,B)=0 取得最小值。
除了进行简单的词频统计,小 P 还希望使用 Jaccard 相似度来评估两篇文章的相似性。
具体来说,每篇文章均由若干个英文单词组成,且英文单词仅包含“大小写英文字母”。
对于给定的两篇文章,小 P 首先需要提取出两者的单词集合 A 和 B,即去掉各自重复的单词。
然后计算出:
- |A∩B|,即有多少个不同的单词同时出现在两篇文章中;
- |A∪B|,即两篇文章一共包含了多少个不同的单词。
最后再将两者相除即可算出相似度。
需要注意,在整个计算过程中应当忽略英文字母大小写的区别,比如 the
、The
和 THE
三者都应被视作同一个单词。
试编写程序帮助小 PP 完成前两步,计算出 |A∩B| 和 |A∪B|;小 P 将亲自完成最后一步的除法运算。
输入格式
输入共三行。
输入的第一行包含两个正整数 n 和 m,分别表示两篇文章的单词个数。
第二行包含空格分隔的 n 个单词,表示第一篇文章;
第三行包含空格分隔的 m 个单词,表示第二篇文章。
输出格式
输出共两行。
第一行输出一个整数 |A∩B|,即有多少个不同的单词同时出现在两篇文章中;
第二行输出一个整数 |A∪B|,即两篇文章一共包含了多少个不同的单词。
数据范围
全部的测试数据满足:1≤n,m≤1041≤n,m≤104 且每个单词最多包含 1010 个字母。
输入样例1:
3 2
The tHe thE
the THE
输出样例1:
1
1
样例1解释
A=B=A∩B=A∪B={the}
输入样例2:
9 7
Par les soirs bleus dete jirai dans les sentiers
PICOTE PAR LES BLES FOULER LHERBE MENUE
输出样例2:
2
13
样例2解释
A={bleus, dans, dete, jirai, les, par, sentiers, soirs}
|A|=8
B={bles, fouler, les, lherbe, menue, par, picote}
|B|=7
A∩B={les, par}
|A∩B|=2
输入样例3:
15 15
Thou that art now the worlds fresh ornament And only herald to the gaudy spring
Shall I compare thee to a summers day Thou art more lovely and more temperate
输出样例3:
4
24
题解:
首先是数据处理问题,输入的string必须先经过遍历,全部转换成小写再进行操作。
第二个问题比较简单,使用set数据结构来去重,因为题目不要求顺序,则set操作也比较简单。
关于第一个问题,思路是,将第一本书里的内容进行去重放进st1,在第二本书输入数据的时候进行比对,如果string s没在第二本书出现并且在第一本书出现则计数++。
代码:
#include<iostream>
#include<cstdio>
#include<cmath>
#include<cstdlib>
#include<cstring>
#include<algorithm>
#include<iomanip>
#include<queue>
#include<stack>
#include<vector>
#include<set>
#include<map>
#include <functional>
using namespace std;
typedef long long int ll;int n=0,m=0,i,j,cnt=0;
set<string> st1;
set<string> st2;
set<string> st;
string s;main()
{cin >> n >> m;for(i=0;i<n;i++){cin >> s;for(j=0;j<s.size();j++){if(s[j]>='A' && s[j]<='Z'){s[j]+=32;}}st1.insert(s);st.insert(s);}for(i=0;i<m;i++){cin >> s;for(j=0;j<s.size();j++){if(s[j]>='A' && s[j]<='Z'){s[j]+=32;}}if(st2.find(s)==st2.end()){if(st1.find(s)!=st1.end()){cnt++;}st2.insert(s);}st.insert(s);}cout << cnt << "\n";cout << st.size() << "\n";
}