🍄题目描述
原题链接:TUOJ (thusaac.com)
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 𝐴A 和 𝐵B,即去掉各自重复的单词。 然后计算出:
- ∣𝐴∩𝐵∣∣A∩B∣,即有多少个不同的单词同时出现在两篇文章中;
- ∣𝐴∪𝐵∣∣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 P 完成前两步,计算出 ∣𝐴∩𝐵∣∣A∩B∣ 和 ∣𝐴∪𝐵∣∣A∪B∣;小 P 将亲自完成最后一步的除法运算。
输入格式
从标准输入读入数据。
输入共三行。
输入的第一行包含两个正整数 𝑛n 和 𝑚m,分别表示两篇文章的单词个数。
第二行包含空格分隔的 𝑛n 个单词,表示第一篇文章;
第三行包含空格分隔的 𝑚m 个单词,表示第二篇文章。
输出格式
输出到标准输出。
输出共两行。
第一行输出一个整数 ∣𝐴∩𝐵∣∣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∣∣A∪B∣,即两篇文章一共包含了多少个不同的单词。
🍄AC代码
#include<bits/stdc++.h>
using namespace std;
int main(){
int n,m;
cin>>n>>m;
set<string> s1,s2;
map<string,int> mmap;
string s;
//将两个文章的单词都转为小写并去重
for(int i=0;i<n;i++){
cin>>s;
transform(s.begin(),s.end(),s.begin(),::tolower);
s1.insert(s);
}
for(int i=0;i<m;i++){
cin>>s;
transform(s.begin(),s.end(),s.begin(),::tolower);
s2.insert(s);
}
//将两个文章的单词全部放入map计算各单词出现次数
for(auto it=s1.begin();it!=s1.end();it++) mmap[*it]++;
for(auto it=s2.begin();it!=s2.end();it++) mmap[*it]++;
//次数=2表示在两篇文章均出现过,为单词的交集
//map的大小为单词的并集
int cnt=0;
for(auto it=mmap.begin();it!=mmap.end();it++)
if(it->second==2) cnt++;
cout<<cnt<<endl<<mmap.size()<<endl;
return 0;
}