第33次CSP认证Q2：相似度计算

🍄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;
}