我可能會對std :: set作品感到困惑。我的代碼不能正常工作

Question

我正在製作抄襲檢測程序。成品將逐句比較兩個完整的文本文檔;在這一點上，我只是測試我的算法，以便與句子進行比較，並給出一個0到1之間的數字，表示他們的單詞有多相似。

我會嘗試逐句通過代碼，並告訴你什麼是問題。

指令和一個函數聲明：

#include <iostream> 
#include <vector> 
#include <string> 
#include <algorithm> 
#include <math.h> 
#include <set> 

double sntnc_cmpr_qtnt(const std::vector<std::string>&, const std::vector<std::string>&); 

主要取字符串兩個陣列，並將它們放入載體。我知道這似乎沒用，但它只是爲了我的測試目的。我計算兩個字符串向量之間的句子比較商（應該是2個句子）。

int main (int argc, char* const argv[]) { 

    std::string arr1[] = {"Yo", "dawg", "I", "heard", "you", "like", "functions", "so", "we", "put", "a", "function", "inside"}; 
    std::vector<std::string> str1, str2; 
    for (int i = 0; i < sizeof(arr1)/sizeof(std::string); ++i) 
     str1.push_back(arr1[i]); 
    std::string arr2[] = {"Yo", "dawg", "I", "heard", "you", "like", "cars", "so", "we", "put", "a", "car", "inside"}; 
    for (int i = 0; i < sizeof(arr2)/sizeof(std::string); ++i) 
     str2.push_back(arr2[i]); 

    std::cout << sntnc_cmpr_qtnt(str1, str2); 

    return 0; 
} 

以下是句子比較商數函數。它計算2個句子之間共同的單詞數量。

雖然有些事情出錯了。我的點數（「cnt」）到了158，顯然太高了。我無法弄清楚爲什麼。

double sntnc_cmpr_qtnt(const std::vector<std::string>& s1, const std::vector<std::string>& s2) { 
    // Place the words of sentences s1 and s2 each into seperate sets s1_set and s2_set: 
    std::set<std::string> s1set, s2set; 
    for (std::vector<std::string>::const_iterator it = s1.begin(); it != s1.end(); ++it) 
     s1set.insert(*it); 
    for (std::vector<std::string>::const_iterator it = s2.begin(); it != s2.end(); ++it) 
     s2set.insert(*it); 

    /* Compute the proportion of words in common between str1_set and str2_set, 
     multiped by 1 over 1 minus the squareroot of the size of the smaller set. 
     This is the sentence comparison quotient that is returned. */ 
    double cnt(0.0); 
    for (std::set<std::string>::iterator it1 = s1set.begin(); it1 != s1set.end(); ++it1) { 
     for (std::set<std::string>::iterator it2 = s2set.begin(); it2 != s2set.end(); ++it2) { 
      if ((*it1).compare(*it2)) 
       cnt += 1.0; 
     } 
    } 
    if (cnt == 0.0) { 
     return 0.0; 
    } else { 
     double minsz = (double)std::min(s1set.size(), s2set.size()); 
     return ((1-1/sqrt(minsz))*cnt/minsz); 
    } 
} 

Answer 1

的主要問題是在這裏：

if ((*it1).compare(*it2)) 
     cnt += 1.0; 

如果它們不等於這將增加CNT - 比較返回0平等

也有一組 - 爲，而不是做內循環，只需撥打查找：

for (std::set<std::string>::iterator it1 = s1set.begin(); it1 != s1set.end(); ++it1) 
    { 
      if (s2set.find(*it1) != s2set.end()) 
      { 
       cnt += 1.0; 
      } 
    } 

而我不知道爲什麼cnt守ld是double而不是int

Answer 2

您可以使用==運算符來比較兩個std::string的s。

但是你也做了很多工作。更快的解決方案是將第一個列表中的所有單詞放入集合中，並保存集合的大小。然後將第二個列表中的所有單詞放入集合中。最終組大小和保存大小之間的差異是第二個列表中不在第一個列表中的單詞數量。 （唯一字，即。）當然，保存的大小是第一個列表中唯一字的數量。

一個類似的計算會得到第二個列表中唯一字的數量，第一個列表中的字數不在第二個列表中。

總執行時間大致與單詞總數成比例（實際上，它是n log u，其中u是唯一字的數量），而您的解決方案與列表大小的乘積成正比。