#123 Word Search

题目描述:

Given a 2D board and a word, find if the word exists in the grid.

The word can be constructed from letters of sequentially adjacent cell, where "adjacent" cells are those horizontally or vertically neighboring. The same letter cell may not be used more than once.

Example

Given board =

[
  "ABCE",
  "SFCS",
  "ADEE"
]

word = "ABCCED", -> returns true,
word = "SEE", -> returns true,
word = "ABCB", -> returns false.


题目思路:

典型的dfs + backtracking题。首先遍历board,选取与word[0]相同的element。对于每一个这样的element,check它的上下左右,看能不能找到一个string == word.substr(1),以此类推。recursion 函数中,判断true的条件是是否check完最后一个char in word;判断false的条件是,坐标超出范围,或者board坐标所在的element != word[index].

My code (AC = 30ms):

class Solution {
public:
    /**
     * @param board: A list of lists of character
     * @param word: A string
     * @return: A boolean
     */
     
    bool exist(vector<vector<char> > &board, string word) {
        // write your code here
        // if word is empty
        if (word == "") return true;
        
        // if board is empty
        int row = board.size();
        if (row == 0) {
            return false;
        }
        
        int col = board[0].size();
        if (col == 0) {
            return false;
        }
        
        // check if the word exists in board
        for (int i = 0; i < row; i++) {
            for (int j = 0; j < col; j++) {
                if (board[i][j] == word[0]) {
                    if (existHelper(board, 0, word, i, j)) return true;
                }
            }
        }
        
        return false;
    }
    
    bool existHelper(vector<vector<char> > &board,
                     int index,
                     string word,
                     int x,
                     int y) 
    {
        // condition of found
        if (index == word.length()) {
            return true;
        }
        
        // directly return false if condition is follows
        if (x < 0 || x >= board.size() ||
            y < 0 || y >= board[0].size() ||
            board[x][y] != word[index]) 
        {
            return false;
        }
        
        // check the elements in 4 directions
        int dx[4] = {1, 0, -1, 0};
        int dy[4] = {0, 1, 0, -1};

        board[x][y] = '*';
        for (int i = 0; i < 4; i++) {
            int mx = dx[i] + x;
            int my = dy[i] + y;
            
            if(existHelper(board, index + 1, word, mx, my)) return true;

        }
        board[x][y] = word[index];
        
        return false;
    }
};

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
回答: Java Word2vec是一个用于进行词向量训练和语义相似度计算的工具。你可以使用Java版本的Word2vec来训练自己的模型,并将其应用于文本处理任务中。关于如何使用Java Word2vec,有几个步骤可以遵循。首先,你可以使用提供的Java版本的Word2vec库,比如通过下载并安装MyWord2VEC_java_eclipse.zip来获取源码。然后,你需要准备一个语料库,并将其整理成Word2vec的输入格式,即单词之间用空格隔开,换行符替换成句子分隔符。接下来,你可以使用代码来训练模型,例如使用Word2VEC类的loadJavaModel方法加载已经训练好的模型,并使用distance方法来计算词语之间的相似度。通过这些步骤,你可以在Java中使用Word2vec进行词向量训练和语义相似度计算。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [Word2Vec 使用总结](https://blog.csdn.net/javastart/article/details/117687477)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] - *3* [word2vec使用过程(Java版)](https://blog.csdn.net/acwa123/article/details/72626580)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值