7-44 基于词频的文件相似度 （30 分）

7-44 基于词频的文件相似度 （30 分）

实现一种简单原始的文件相似度计算，即以两文件的公共词汇占总词汇的比例来定义相似度。为简化问题，这里不考虑中文（因为分词太难了），只考虑长度不小于3、且不超过10的英文单词，长度超过10的只考虑前10个字母。

输入格式:

输入首先给出正整数N（≤100），为文件总数。随后按以下格式给出每个文件的内容：首先给出文件正文，最后在一行中只给出一个字符#，表示文件结束。在N个文件内容结束之后，给出查询总数M（≤10​4​​），随后M行，每行给出一对文件编号，其间以空格分隔。这里假设文件按给出的顺序从1到N编号。

输出格式:

针对每一条查询，在一行中输出两文件的相似度，即两文件的公共词汇量占两文件总词汇量的百分比，精确到小数点后1位。注意这里的一个“单词”只包括仅由英文字母组成的、长度不小于3、且不超过10的英文单词，长度超过10的只考虑前10个字母。单词间以任何非英文字母隔开。另外，大小写不同的同一单词被认为是相同的单词，例如“You”和“you”是同一个单词。

输入样例:

3
Aaa Bbb Ccc
#
Bbb Ccc Ddd
#
Aaa2 ccc Eee
is at Ddd@Fff
#
2
1 2
1 3

输出样例:

50.0%
33.3%

 输入用stringsteam很方便，可以分割空格。

但是一段中也有可能包含非字母的，要断开，比如Ddd#Fff其实是“ddd"和“fff”

用暴力的方法对比的话最后一个点会超时

所以用一重循环，count一下x在y里出现的次数即可。

#include<stdio.h>
#include<math.h>
#include<string.h>
#include<string>
#include<map>
#include<stack>
#include<vector>
#include<algorithm>
#include<sstream>
#include<set>
#include<iostream>
using namespace std;
#define inf 0x3f3f3f
int main()
{
	int n,m,x,y,i,j,l;
	cin>>n;cin.get();
	map<string,int> a[105];
	string s;	
	for(j=1;j<=n;j++)
	{
		while(getline(cin,s))
		{
			if(s=="#")break;
			stringstream ss(s);
			while(ss>>s)
			{
				string op="";
				i=0;
				while(i<s.size())
				{
					if(s[i]>='A'&&s[i]<='Z')
					op+=s[i]+32;
					else if(s[i]>='a'&&s[i]<='z')
					op+=s[i];
					else 
					{
						if(op.size()<3);
						else if(op.size()>10)
						{
							op=op.substr(0,10);
							a[j][op]++;
						}
						else a[j][op]++;
						op.clear();
					}
					i++;
				}	
				if(op.size()<3)continue;
				else if(op.size()>10)
				{
					op=op.substr(0,10);
					a[j][op]++;
				}
				else a[j][op]++;				
			}
		}
	}
	scanf("%d",&m);
	while(m--)
	{
		scanf("%d%d",&x,&y);
		int sum=0;
		for(map<string,int>::iterator it=a[x].begin();it!=a[x].end();it++)
		{
			if(a[y].count(it->first))sum++;
		}
		if((int)a[x].size()+(int)a[y].size()-sum==0)printf("0.0%%\n");
		else printf("%.1f%%\n",100.*sum/((int)a[x].size()+(int)a[y].size()-sum));
	}
}