题目背景
两个集合的 Jaccard 相似度定义为:
即交集的大小除以并集的大小。当集合𝐴和𝐵完全相同时,𝑆𝑖𝑚(𝐴,𝐵)=1取得最大值;当二者交集为空时,𝑆𝑖𝑚(𝐴,𝐵)=0取得最小值。
问题描述
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𝐴和𝐵,即去掉各自重复的单词。 然后计算出:
- ∣𝐴∩𝐵∣,即有多少个不同的单词同时出现在两篇文章中;
- ∣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∣和∣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𝑛和𝑚,分别表示两篇文章的单词个数。
第二行包含空格分隔的𝑛个单词,表示第一篇文章;
第三行包含空格分隔的𝑚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∣,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∣,即两篇文章一共包含了多少个不同的单词。
样例1输入
3 2
The tHe thE
the THE
样例1输出
1
1
样例1解释
A=B=A∩B=A∪B={the}
样例2输入
9 7
Par les soirs bleus dete jirai dans les sentiers
PICOTE PAR LES BLES FOULER LHERBE MENUE
样例2输出
2
13
样例2解释
A={bleus, dans, dete, jirai, les, par, sentiers, soirs}
∣𝐴∣=8
𝐵={bles, fouler, les, lherbe, menue, par, picote}
∣𝐵∣=7
𝐴∩𝐵={les, par}
∣𝐴∩𝐵∣=2
样例3输入
15 15
Thou that art now the worlds fresh ornament And only herald to the gaudy spring
Shall I compare thee to a summers day Thou art more lovely and more temperate
样例3输出
4
24
数据范围
80%的测试数据满足:𝑛,𝑚≤100且所有字母均为小写;
全部的测试数据满足:𝑛,𝑚≤104且每个单词最多包含10个字母。
题解
本题要求两篇文章单词的交集和并集,我们只需要知道两篇文章中一共出现了多少不同的单词,以及同时在两篇文章中出现过的单词数,我们不需要知道一个单词在哪篇文章中出现过。
对于每一个单词开一个计数器,统计它在几篇文章中出现过,由于一个单词可能在一篇文章中出现多次,我们需要对单词进行标记,只有在一篇文章中第一次出现的时候才令计数器加一。
最后,不同单词的总个数就是并集的大小,计数为2的单词个数就是交集的大小。
由于给的单词大小写不一致,可以先预处理把字母统一换成小写字母或者大写字母。
#include <iostream>
#include <cstdio>
#include <string>
#include <map>
using namespace std;
int n,m,s1,s2;
string ch;
map<string,int> mp;
map<string,bool> vis;
int main()
{
int i,j,len;
scanf("%d%d",&n,&m);
for (i=1;i<=n;i++)
{
cin>>ch;
len=ch.length();
for (j=0;j<len;j++)
if (ch[j]>='A' && ch[j]<='Z')
ch[j]=ch[j]-'A'+'a';
if (!vis[ch]) mp[ch]++;
vis[ch]=1;
}
for (auto &t:vis)
{
t.second=0;
}
for (i=1;i<=m;i++)
{
cin>>ch;
len=ch.length();
for (j=0;j<len;j++)
if (ch[j]>='A' && ch[j]<='Z')
ch[j]=ch[j]-'A'+'a';
if (!vis[ch]) mp[ch]++;
vis[ch]=1;
}
for (auto &t:mp)
{
if (t.second==2) s1++;
if (t.second>0) s2++;
}
printf("%d\n%d\n",s1,s2);
return 0;
}