162、 两句话中不常见单词

题目描述
给定两个句子 A 和 B 。 (句子是一串由空格分隔的单词。每个单词仅由小写字母组成。)

如果一个单词在其中一个句子中只出现一次,在另一个句子中却没有出现,那么这个单词就是不常见的。

返回所有不常用单词的列表。

您可以按任何顺序返回列表。

示例 1:

输入:A = “this apple is sweet”, B = “this apple is sour”
输出:[“sweet”,“sour”]
示例 2:

输入:A = “apple apple”, B = “banana”
输出:[“banana”]

提示:

0 <= A.length <= 200
0 <= B.length <= 200
A 和 B 都只包含空格和小写字母。

代码如下:

class Solution {
    public String[] uncommonFromSentences(String A, String B) {
       String [] temA = A.split(" ");
		String [] temB = B.split(" ");
		Map<String, Integer> hashmapA = new HashMap<>();
		Map<String, Integer> hashmapB = new HashMap<>();
		//将其全部放入到hashmap中去
		for (String string : temA) {
			hashmapA.put(string, hashmapA.getOrDefault(string, 0) + 1);
    //         System.out.println(string);
		}
      //  System.out.println(temA.toString());
		
		for (String string : temB) {
			hashmapB.put(string, hashmapB.getOrDefault(string, 0) + 1);
			
		}
		List<String> resu = new ArrayList<>();
		
		for (String string : hashmapA.keySet()) {
			if(hashmapA.get(string) == 1 && !hashmapB.containsKey(string)){
				resu.add(string);
			}
		}
       // 		System.out.println(hashmapA.toString());

		for (String string : hashmapB.keySet()) {
			if(hashmapB.get(string) == 1 && !hashmapA.containsKey(string)){
				resu.add(string);
			}
		}
      //  	System.out.println(hashmapB.toString());
	//			System.out.println(resu.toString());

		
		return  (String[])resu.toArray(new String[resu.size()]);  
         
    }
}

在这里插入图片描述

没什么难度,也可以尝试这么来,把两个字符串连接,然后返回只出现一次的单词,思路也是阔以的,并且能够减小复杂度

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: NLP技术通常使用词向量表示句子,并计算它们的相似度来判断两句话是否含义一样。其,词向量是将每个单词表示为向量形式,最常用的算法是Word2Vec和GloVe。通过计算两个句子的词向量之间的余弦相似度,可以衡量它们在语义上的相关性。如果相似度高于某个阈值,则可以认为两句话含义相同。 ### 回答2: 通过NLP(自然语言处理)技术判断两句话含义是否相同是基于文本相似度的计算方法。可以使用以下步骤: 1. 预处理:首先,对两句话进行预处理,包括分词、去除停用词、转换为统一的词形等。这样可以降低语义的复杂性,使得后续计算更加准确。 2. 特征表示:将处理后的两句话转化为计算机可以理解的数字表示。常用的方法有词袋模型(Bag of Words)和词嵌入(Word Embedding)。词袋模型将每个句子表示为向量,向量的每个元素表示该句子某个词的出现次数或者权重。而词嵌入则将每个句子表示为低维稠密向量,具有保留词义信息的特点。 3. 相似度计算:使用相似度计算方法来比较两个句子的特征表示,以判断它们的含义是否相同。常见的方法有余弦相似度和欧氏距离。余弦相似度度量两个向量在N维空间的夹角余弦值,值越接近1表示越相似。欧氏距离则衡量两个向量之间的距离,值越小表示越相似。 4. 阈值设置:根据具体应用需求,可以设定一个相似度阈值。如果计算出的相似度超过或达到该阈值,则判断两个句子含义相同;否则,判断它们含义不同。 需要注意的是,NLP技术在判断两个句子含义是否相同时并非完美的。语言的复杂性和语义的多样性可能导致误判。因此,对于特定场景下的判断任务,需要针对性地优化模型和调整参数,以提高判断准确性。
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