LintCode 550: Top K Frequent Words II (用set代替最小堆)

550. Top K Frequent Words II
     中文English
     Find top k frequent words in realtime data stream.

Implement three methods for Topk Class:

TopK(k). The constructor.
add(word). Add a new word.
topk(). Get the current top k frequent words.
Example
Example 1:

Input：
TopK(2)
add(“lint”)
add(“code”)
add(“code”)
topk()
Output：[“code”, “lint”]
Explanation：
“code” appears twice and “lint” appears once, they are the two most frequent words.
Example 2:

Input：
TopK(1)
add(“aa”)
add(“ab”)
topk()
Output：[“aa”]
Explanation：
“aa” and “ab” appear once , but aa’s dictionary order is less than ab’s.
Notice
If two words have the same frequency, rank them by dictionary order.

解法1：

1. 因为是real-time数据，可以用最小堆。但是C++的priority_heap不能根据堆元素的改变值动态调整堆，那我们就用set来实现。每次当word在set中时，将words[word]++，然后将set中的word删除再加入，这样就可以实现动态调节，而且set会自动排好序。注意这里是求top K的frequent words, 不是求top K的integer，而word的存放的是以word本身为key来存放在set中的的，但排序是参考的它的freq。
2. 注意q中如果已有该word，则将该word删掉再插入q中，因为set的排序是跟据word的freq，我们必须删掉后再加入，否则set发现word已经存在，insert(word)实际上什么也不干。
   或q.size()>k, 则删掉q的末尾元素。注意该两种情况下，map words里面的元素都不删掉。
   事实上，我们可以看出map words必须一直保存，所以这个对空间要求蛮高。事实上，想要寻找一个在线的，精确的，省空间的 Top K 高频项算法是不可能的。
3. 这里是real-time数据，所以只能实现迄今为止来的数据中的topK。
4. C++的priority_queue不提供adjust函数，可以用set来替代。
5. set<string, cmp>可以同时定义string的比较函数
6. words和q里面的元素不一样。words里面的元素永远不删除，而q里面只保留最多k个元素。
7. By default, set里面的元素是从小到大排列，也就是s.begin()最小，*(–s.end())最大。但这里我们定义的operator()是大的沉下去，小的升上来，所以是会从大到小排列，也就是s.begin()最大，*(–s.end())最小。因为这里是最小堆，所以删除的时候是应该删除最小值，相当于是最小堆的pop()操作。

map<string, int> words;   //string vs frequent
struct cmp {
    bool operator() (const string & a, const string & b) {
        if (words[a] == words[b]) return a < b;
        return words[a] > words[b];
    }
};
    
class TopK {
public:
    /*
    * @param k: An integer
    */TopK(int k) {
        this->k = k;
    }

    /*
     * @param word: A string
     * @return: nothing
     */
    void add(string &word) {
        if (words.find(word) == words.end()) {
            words[word] = 1;
        } else {
            if (q.find(word) != q.end()) {
                q.erase(word);
            }
            words[word]++;
        }
        q.insert(word);
        if (q.size() > k) {
            q.erase(--q.end());
        }
    }

    /*
     * @return: the current top k frequent words.
     */
    vector<string> topk() {
        vector<string> result(q.begin(), q.end());
        return result;
    }

private:
    set<string, cmp> q;
    int k;
};