欧式距离分析情感值

测试和训练文本：

文本编号 词列表（以空格分隔） 公众"感动"的概率
训练文本1 消防员 冲进 火场 救出 男童 1
训练文本2 公务员 患 癌症 保持 在岗 0.9
训练文本3 消防员 多次 冲进 火场 救人 不幸 身亡 0.5
训练文本4 老人 成功 进行 免费 白内障 手术 0.5
训练文本5 海豚 误 吞 排球 后 手术 成功 取出 0.4
训练文本6 6旬 老人 跳楼 自杀 身亡 0.1
训练文本7 男子 跳楼 自杀 身亡 0.02
训练文本8 疑犯 枪杀 出租车 司机 0
训练文本9 男子 枪杀 妻子 后 自杀 0
训练文本10 医师 误 把 肾脏 当 肝脏 致人 身亡 0
测试文本1 癌症 老人 成功 手术 ?
测试文本2 男子 枪杀 司机 后 喝药 自杀 ?
测试文本3 癌症 医师 保持 手术 清醒 ?
测试文本4 男子 跳楼 自杀 ?
测试文本5 男子 枪杀 老人 后 自杀 ?
测试文本6 消防员 冲进 火场 将 男童 救出 ?
测试文本7 出租车 司机 免费 搭载 老人 ?
测试文本8 男子 误 杀 弟媳 后 自杀 身亡 ?
测试文本9 医师 误 把 患者 肝脏 捅破 致人 身亡 ?
测试文本10 6旬 老人 火场 救人 不幸 身亡 ?

方法：采用欧式距离，找到离测试数据最近的一个训练数据的情感值

#include <iostream>
#include <cstdio>
#include <fstream>
#include <string>
#include <sstream>
#include <cmath>

using namespace std;


string word[20];
string train_word[20][20];
string test_word[20][20];
string feeling[20];
string mlab[60];  //标记不重复词汇列表 

int vector[20][60];
int test_vector[20][60];
string answer[20];



int word_split(string str);

void add_to_lab(string mword,int addr);
void train_mode(int len,int addr);
int lab_find(string mword);


void test_mode(int len,int addr);
void test_add_to_lab(string mword,int addr);


void show_vector(int train_num,int test_num);

int get_error(int test_num,int train_num); 
void get_result(int test_num,int train_num);

int mlab_size = 0;  //标记不重复词汇列表的顺序 




int main(){
	
	ifstream in("Dataset_txt format.txt");        //读取文件 
	string ch;
	int mlen = 0,train_num = 0,test_num = 0;

	while(!in.eof())                             //读取数据集中每行信息 
	{
		
		getline(in,ch);		
		mlen = word_split(ch);                    //记录每行的词汇数 
		
		if(word[0] != "文本编号")                  //训练文本和测试文本的归类 
		{      		
       		size_t flag = word[0].find("训练文本");
			if(flag == 0){
					for(int i = 0;i < mlen;i ++)
				   train_word[train_num][i] = word[i]; 
				 cout<<"This is a train_text!"<<endl;  
				 
				 feeling[train_num] = word[mlen-1];   //记录情感概率数值 
				 
				 
				 train_mode(mlen,train_num);          //添加到词汇列表里面 
				 train_num++;
				 
			}  
			 
			else                                      //当检测到测试文本数据的时候 
       		{
       			for(int i = 0;i < mlen;i ++)
				   test_word[test_num][i] = word[i]; 
       			cout<<"This is a test_text!"<<endl; 
       			                                     //测试输出结果
				 test_mode(mlen,test_num);  
				test_num++; 
       		}      		
		}	 
	}
	
	show_vector(train_num,test_num);       //显示vector的值 
	get_result(test_num,train_num);
	
	for(int i = 0;i < test_num;i ++)        //显示测试文本的情感概率值 
    {
    	cout<<test_word[i][0]<<": "<<answer[i]<<endl;
    }
	
    in.close(); 
} 


//读取数据集并且输出，返回每行的词汇数 
int word_split(string str){
	istringstream istring;
	istring.str(str);
	
	int count = 0;//记录每行词汇的个数
	
	while(!istring.eof()){
		istring>>word[count++];
		cout<<word[count-1]<<" ";	
	} 
	cout<<endl;
	return count;
}



void train_mode(int len,int addr)  //第addr行的第len个词汇 
{
	for(int i = 1;i < len - 1;i ++)
	{
		add_to_lab(word[i],addr);
	}
} 


//不重复的全部词汇的列表 
void add_to_lab(string mword,int addr)   //第addr行的特定词汇mword 
{
	if(mlab_size  > 0)
	{
		int aa = lab_find(mword);   //查看词汇列表是否存在该词汇 
		if(aa == mlab_size) 
		{
			mlab[mlab_size ++] = mword; 
			
			vector[addr][mlab_size-1] = 1;			
		}
		else
		vector[addr][aa] = 1;
		//cout<<mword<<" "<<aa<<endl;
	}
	else
	{
		mlab[mlab_size ++] = mword; 
		vector[addr][mlab_size-1] = 1;
	}
	
}



//在lab数组中是否存在mword 
int lab_find(string mword)
{
	int i = 0;
	for(i = 0;i < mlab_size;i ++)
	{
		if(mlab[i] == mword)
		return i;
	}
	return i;
}



void test_mode(int len,int addr)
{
	for(int i = 1;i < len - 1;i ++)
	{
		test_add_to_lab(word[i],addr);
	}
} 

void test_add_to_lab(string mword,int addr)
{

		int aa = lab_find(mword);
		if(aa == mlab_size)
		{
			mlab[mlab_size ++] = mword; 
			test_vector[addr][mlab_size-1] = 1;		//可要可不要	
		}
		else
		test_vector[addr][aa] = 1;

}


void show_vector(int train_num,int test_num)
{
	
	cout<<endl;
    cout<<"总词汇个数："<<mlab_size<<endl;
    for(int i = 0;i < mlab_size;i ++)
    {
    	cout<<mlab[i]<<" ";
    }
    cout<<endl;
    cout<<"train_num "<<train_num<<endl;
    for(int i = 0;i < train_num;i ++)
    {
    	for(int j = 0;j < mlab_size;j ++)
    	cout<<vector[i][j]<<" ";
    	cout<<endl;
    }
    cout<<"test_num "<<test_num<<endl;
    for(int i = 0;i < test_num;i ++)
    {
    	for(int j = 0;j < mlab_size;j ++)
    	cout<<test_vector[i][j]<<" ";
    	cout<<endl;
    }	
}


//找到欧式距离最小的训练样本 
void get_result(int test_num,int train_num)
{
	for(int i = 0;i < test_num;i ++)
	{
		double min = 100,mid;
		int index = 0;
		for(int j = 0;j < train_num;j ++)
		{
			mid = get_error(i,j);
			if(sqrt(mid) < min)
			{
				min = sqrt(mid);
				index = j;
			}
		}
		answer[i] = feeling[index];
	}
}


int get_error(int test_num,int train_num)  //找到test_num和train_num的距离的平方 
{
	int sum = 0;
	for(int i = 0;i < mlab_size;i ++)
	{
		if(vector[train_num][i] != test_vector[test_num][i])
		sum ++;
	}
	return sum;
}