常见的NLP算法编程实例

ROC-AUC值

题目：ROC-AUC是一种常见的模型评价指标，它是ROC曲线下的面积。现在已经知道样本数据的真实值（1是正样本，0是负样本）和某个二分类起在样本数据集的预测值（属于正样本的概率，并且各不相同），求ROC-AUC,精确到小数点后两位。

第一行输入样本数N，然后输入N行，每行输入样本类别和预测概率值，空格隔开（1为正样例，0为负样例），计算AUC的值。
输入：

10
1 0.9
0 0.7
1 0.6
0 0.55
1 0.52
0 0.4
1 0.38
0 0.35
1 0.31
0 0.1

输出：
0.68

代码如下：

N = int(input())
gt, pre = [], []
for _ in range(N):
    temp = list(map(float, input().split()))
    gt.append(temp[0])
    pre.append(temp[-1])
 
positive, negitive = [], []
for idx, i in enumerate(gt):
    if i == 1.:
        positive.append(idx)
    else:
        negitive.append(idx)
 
total = len(positive) * len(negitive)
fenzi = 0
for i in positive:
    for j in negitive:
        if pre[i] > pre[j]:
            fenzi += 1.
        elif pre[i] == pre[j]:
            fenzi += 0.5
 
output = fenzi / total
print('%.2f' % output)

https://blog.csdn.net/jiangjieqazwsx/article/details/52262389

车站时刻表分组

题目描述：
某车站为了方便管理，决定根据目的地以及出发时间的不同对车辆时刻表进行分组管理。要求：给定一个时刻表，
同一个目的地的车辆必须分配在同一组内，分组不能打乱时刻表的车次顺序，即各个分组之间出发时间有序。
请对时刻表尽可能多的分组，按出发时间早晚作为输出顺序。

输入
时刻表内容：aabbcddc，a,b,c,d为目的地，字母出现的先后顺序为出发时间的先后顺序
输出
输出各个分组的长度，以空格相隔，输出顺序与时刻表的出发顺序一致

样例输入
aabbcddc
样例输出
2,2,4

import sys

def fun(line_one):
    ans = []
    if len(line_one) == 0:
        return []
    for i in range(len(line_one)):
        if line_one[0] == line_one[i]:
            ans.append(i)

    length = len(line_one[:ans[-1]])+1
    return [length] + fun(line_one[ans[-1]+1:])


if __name__ == "__main__":
    n = list(input())
    answer = list(map(int,fun(n)))
    print(' '.join(map(str, answer)))

字符串编辑距离

对于两个字符串，利用字符操作，把字符串A转换成字符串B所需要的最少操作数。其中，字符操作包括：
1.删除一个字符
2.插入一个字符
3.修改一个字符
示例：

输入：
携程欢迎您
欢迎你程里人
输出：6

def strdist(str1, str2):

    t = [[0 for x in range(len(str2)+1)] for x in range(len(str1)+1)]
    for i in range(len(str1)+1):
        for j in range(len(str2)+1):
            if i == 0:
                t[i][j] = j
            elif j == 0:
                t[i][j] = i
            elif str1[i-1] == str2[j-1]:
                t[i][j] = t[i-1][j-1]
            else:
                t[i][j] = 1 + min(t[i][j-1], t[i-1][j], t[i-1][j-1])
    return t[len(str1)][len(str2)]
# str1 = '携程欢迎您'
# str2 = '欢迎你程里人'
str_ = list(map(str, input().split('<ctrip>')))
str1 = str_[0]
str2 = str_[1]
print(strdist(str1, str2))

螺旋数组

第一行输入m(数组行数)和n(数组列数)，空格隔开，接下来每一行输入n个数字用空格隔开；输出以顺时针顺序的螺旋数组。
示例：

输入：
3 3
1 2 3
4 5 6
7 8 9
输出：
1，2，3，6，9，8，7，4，5

3.给定一个词典W(保证词典的数据不重复),输入一句文本S,使用词典进行分词。如果文本能够根据词典进行分词，则输出YES，否则输出NO
示例：
输入：
我,要,爱,携程,携程旅行网,旅行网,旅行
我爱携程旅行网
输出：
YES

import jieba
w = list(input().split(','))
s = input()
# print(w, s)
seq_list=list(jieba.cut(s, cut_all=False))
# print(seq_list)
count = []
for i in seq_list:
    # print(i)
    if i in w:
        count.append(1)
    else:
        count.append(0)
if 0 in count:
    print('NO')
else:
    print('YES')