7-44 基于词频的文件相似度 (30分)
实现一种简单原始的文件相似度计算，即以两文件的公共词汇占总词汇的比例来定义相似度。为简化问题，这里不考虑中文（因为分词太难了），只考虑长度不小于3、且不超过10的英文单词，长度超过10的只考虑前10个字母。 输入格式: 输入首先给出正整数N（≤），为文件总数。随后按以下格式给出每个文件的内容 ...
原文：进阶实验5-3.3 基于词频的文件相似度 (30分)-哈希
解题思路： 存储：用一张哈希表存储单词以及对应所在的文件，再用一张文件表，存储每个文件的词汇量以及单词在哈希表中的位置 查询：先在文件表中查询对应的文件名， 取文件词汇量较少的文件名 gt 找到对应文件名中的词汇所在位置 gt 根据此单词的位置到哈希表中查找单词所在文件列表 gt 从而判断该单词是否是两文件的公共词汇 重复步骤 ，直至文件中的单词全部查询完毕 ...
2020-04-08 20:21 0 976 推荐指数：
相关推荐
实验——散列表（基于词频的文件相似度）详细过程
一、 实验目的 1. 掌握散列表相关内容 2. 掌握倒排索引表的应用 二、 实验内容和要求 1. 问题描述 实现一种简单原始的文件相似度计算，即以两文件的公共词汇占总词汇的比例来定义相似度。为简化问题，这里不考虑中文（因为分词太难了），只考虑长度 ...
PTA习题解析——基于词频的文件相似度
禁止码迷，布布扣，豌豆代理，码农教程，爱码网等第三方爬虫网站爬取！ 目录 基于词频的文件相似度 情景需求 测试样例 输入样例 输出样例 情景解析 关注文件，构建文件单词表 ...
PTA 词频统计（30 分）
词频统计（30 分） 请编写程序，对一段英文文本，统计其中所有不同单词的个数，以及词频最大的前10%的单词。 所谓“单词”，是指由不超过80个单词字符组成的连续字符串，但长度超过15的单词将只截取保留前15个单词字符。而合法的“单词字符”为大小写字母、数字和下划线 ...
7-1 词频统计 (30 分)
词频统计 参考： 对参考的代码进行了一些补充和修改，大体思路没变 并不是想说这题多难，只是在这题可以用STL的很多结构帮助解题，所以能让代码变得很简单 题目 7-1 词频统计 (30 分) 请编写程序，对一段英文文本，统计其中所有不同单词的个数，以及词频最大的前10%的单词。 所谓“单词 ...
进阶实验4-3.3 完全二叉搜索树 (30分)->排序得出搜索树中序遍历->已知搜索树中序求层序
一个无重复的非负整数序列，必定对应唯一的一棵形状为完全二叉树的二叉搜索树。本题就要求你输出这棵树的层序遍历序列。 输入格式： 首先第一行给出一个正整数 N（≤），随后第二行给出 N 个不重复的非负 ...
进阶实验2-3.3 两个有序链表序列的交集 (20分)
已知两个非降序链表序列S1与S2，设计函数构造出S1与S2的交集新链表S3。 输入格式: 输入分两行，分别在每行给出由若干个正整数构成的非降序序列，用−表示序列的结尾（−不属于这个序列）。数字用空格间隔。 输出格式: 在一行中输出两个输入序列的交集序列，数字间用空格分开，结尾不能有多余空格 ...