#CSP202403B. 相似度计算

    ID: 554 Type: Default 2000ms 1024MiB Tried: 26 Accepted: 8 Difficulty: 2 Uploaded By: Tags>CSP模拟字符串处理STL数据结构位图/bitset

相似度计算

题目来自第 33 次 CSP 认证 T2,评测使用自造高质量复刻数据。我们承认原始题面与大样例版权均归中国计算机学会(CCF)所有,因此题面与评测服务均免费对外开放。如果您认为我们侵犯了您的权益,可联系我们

本评测链接与原题在数据范围进行微调,修改了 $n,m$ 的上限,时间限制对应调整到 2 秒。

时间限制: 1.0 秒 2.0 秒

空间限制: 512 MB 1024 MB

题目背景

两个集合的 Jaccard 相似度定义为:

Sim(A,B)=ABAB Sim(A, B) = \frac{|A \cap B|}{|A \cup B|}

即交集的大小除以并集的大小。当集合 AABB 完全相同时,Sim(A,B)=1Sim(A, B) = 1 取得最大值;当二者交集为空时,Sim(A,B)=0Sim(A, B) = 0 取得最小值。

题目描述

除了进行简单的词频统计,小 P 还希望使用 Jaccard 相似度来评估两篇文章的相似性。 具体来说,每篇文章均由若干个英文单词组成,且英文单词仅包含“大小写英文字母”。 对于给定的两篇文章,小 P 首先需要提取出两者的单词集合 AABB,即去掉各自重复的单词。 然后计算出:

  • AB|A \cap B|,即有多少个不同的单词同时出现在两篇文章中;
  • AB|A \cup B|,即两篇文章一共包含了多少个不同的单词。

最后再将两者相除即可算出相似度。 需要注意,在整个计算过程中应当忽略英文字母大小写的区别,比如 theTheTHE 三者都应被视作同一个单词。

试编写程序帮助小 P 完成前两步,计算出 AB|A \cap B|AB|A \cup B|;小 P 将亲自完成最后一步的除法运算。

输入格式

从标准输入读入数据。

输入共三行。

输入的第一行包含两个正整数 nnmm,分别表示两篇文章的单词个数。

第二行包含空格分隔的 nn 个单词,表示第一篇文章;

第三行包含空格分隔的 mm 个单词,表示第二篇文章。

输出格式

输出到标准输出。

输出共两行。

第一行输出一个整数 AB|A \cap B|,即有多少个不同的单词同时出现在两篇文章中;

第二行输出一个整数 AB|A \cup B|,即两篇文章一共包含了多少个不同的单词。

3 2
The tHe thE
the THE
1
1

样例 1 解释

A=B=AB=AB=A = B = A \cap B = A \cup B = {the}

9 7
Par les soirs bleus dete jirai dans les sentiers
PICOTE PAR LES BLES FOULER LHERBE MENUE
2
13

样例 2 解释

A=A = {bleus, dans, dete, jirai, les, par, sentiers, soirs} A=8|A| = 8

B=B = {bles, fouler, les, lherbe, menue, par, picote} B=7|B| = 7

AB=A \cap B = {les, par} AB=2|A \cap B| = 2

15 15
Thou that art now the worlds fresh ornament And only herald to the gaudy spring
Shall I compare thee to a summers day Thou art more lovely and more temperate
4
24

子任务

80%80\% 的测试数据满足:n,m100n, m \leq 100 且所有字母均为小写;

全部的测试数据满足:n,m5×105n, m \leq 5\times 10^{5} 且每个单词最多包含 1010 个字母。

提示

本题输入量较大,请采用效率较高的读入方式。