7-44 基於詞頻的文件相似度 (30分)
實現一種簡單原始的文件相似度計算，即以兩文件的公共詞匯占總詞匯的比例來定義相似度。為簡化問題，這里不考慮中文（因為分詞太難了），只考慮長度不小於3、且不超過10的英文單詞，長度超過10的只考慮前10個字母。 輸入格式: 輸入首先給出正整數N（≤），為文件總數。隨后按以下格式給出每個文件的內容 ...
原文：進階實驗5-3.3 基於詞頻的文件相似度 (30分)-哈希
解題思路： 存儲：用一張哈希表存儲單詞以及對應所在的文件，再用一張文件表，存儲每個文件的詞匯量以及單詞在哈希表中的位置 查詢：先在文件表中查詢對應的文件名， 取文件詞匯量較少的文件名 gt 找到對應文件名中的詞匯所在位置 gt 根據此單詞的位置到哈希表中查找單詞所在文件列表 gt 從而判斷該單詞是否是兩文件的公共詞匯 重復步驟 ，直至文件中的單詞全部查詢完畢 ...
2020-04-08 20:21 0 976 推薦指數：
相關推薦
實驗——散列表（基於詞頻的文件相似度）詳細過程
一、 實驗目的 1. 掌握散列表相關內容 2. 掌握倒排索引表的應用 二、 實驗內容和要求 1. 問題描述 實現一種簡單原始的文件相似度計算，即以兩文件的公共詞匯占總詞匯的比例來定義相似度。為簡化問題，這里不考慮中文（因為分詞太難了），只考慮長度 ...
PTA習題解析——基於詞頻的文件相似度
禁止碼迷，布布扣，豌豆代理，碼農教程，愛碼網等第三方爬蟲網站爬取！ 目錄 基於詞頻的文件相似度 情景需求 測試樣例 輸入樣例 輸出樣例 情景解析 關注文件，構建文件單詞表 ...
PTA 詞頻統計（30 分）
詞頻統計（30 分） 請編寫程序，對一段英文文本，統計其中所有不同單詞的個數，以及詞頻最大的前10%的單詞。 所謂“單詞”，是指由不超過80個單詞字符組成的連續字符串，但長度超過15的單詞將只截取保留前15個單詞字符。而合法的“單詞字符”為大小寫字母、數字和下划線 ...
7-1 詞頻統計 (30 分)
詞頻統計 參考： 對參考的代碼進行了一些補充和修改，大體思路沒變 並不是想說這題多難，只是在這題可以用STL的很多結構幫助解題，所以能讓代碼變得很簡單 題目 7-1 詞頻統計 (30 分) 請編寫程序，對一段英文文本，統計其中所有不同單詞的個數，以及詞頻最大的前10%的單詞。 所謂“單詞 ...
進階實驗4-3.3 完全二叉搜索樹 (30分)->排序得出搜索樹中序遍歷->已知搜索樹中序求層序
一個無重復的非負整數序列，必定對應唯一的一棵形狀為完全二叉樹的二叉搜索樹。本題就要求你輸出這棵樹的層序遍歷序列。 輸入格式： 首先第一行給出一個正整數 N（≤），隨后第二行給出 N 個不重復的非負 ...
進階實驗2-3.3 兩個有序鏈表序列的交集 (20分)
已知兩個非降序鏈表序列S1與S2，設計函數構造出S1與S2的交集新鏈表S3。 輸入格式: 輸入分兩行，分別在每行給出由若干個正整數構成的非降序序列，用−表示序列的結尾（−不屬於這個序列）。數字用空格間隔。 輸出格式: 在一行中輸出兩個輸入序列的交集序列，數字間用空格分開，結尾不能有多余空格 ...