5-11 基於詞頻的檔案相似度 (30分)

實現一種簡單原始的檔案相似度計算，即以兩檔案的公共詞彙佔總詞彙的比例來定義相似度。為簡化問題，這裡不考慮中文（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NN（\le 100≤100），為檔案總數。隨後按以下格式給出每個檔案的內容：首先給出檔案正文，最後在一行中只給出一個字元#，表示檔案結束。在NN個檔案內容結束之後，給出查詢總數MM（\le 10^4≤10
​4
​​ ），隨後MM行，每行給出一對檔案編號，其間以空格分隔。這裡假設檔案按給出的順序從1到NN編號。

輸出格式:

針對每一條查詢，在一行中輸出兩檔案的相似度，即兩檔案的公共詞彙量佔兩檔案總詞彙量的百分比，精確到小數點後1位。注意這裡的一個“單詞”只包括僅由英文字母組成的、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。單詞間以任何非英文字母隔開。另外，大小寫不同的同一單詞被認為是相同的單詞，例如“You”和“you”是同一個單詞。

輸入樣例:

3
Aaa Bbb Ccc
#
Bbb Ccc Ddd
#
Aaa2 ccc Eee
is at [email protected]
#
2
1 2
1 3
輸出樣例:

50.0%
33.3%

#include<iostream>
 

#include<algorithm>
#include<set>
#include<cstdio>
#include<string>
using namespace std;
char aa[105];
string a;
set<string> aaa[105];
bool panduan(string a1)
{
    for(int i=0;i<a1.length();i++)
        if(!isalpha(a1[i]))
            return false;
    return true;
}
int
 
 ToUpper(int c)
{
    return tolower(c);
} 
int main()
{
    int n,i=0,j=0;
    cin>>n;
    for(i=0;i<n;i++)
    {
        while(cin>>aa&&aa[0]!='#')
        {
            for(j=0;aa[j];j++)
            {
                if(isalpha(aa[j]))
                    a+=aa[j];
                else
                {
                    int len=a.length();
                    if(len>=3)
                    {
                        if(len>10)
                            a[10]=0;
                        transform(a.begin(),a.end(),a.begin(),ToUpper);
                        if(panduan(a))
                            aaa[i].insert(a);   
                    }
                    a="";
                }
            }
            if(isalpha(aa[j-1]))
            {
                int len=a.length();
                if(len>=3)
                {
                    if(len>10)
                        a[10]=0;
                    transform(a.begin(),a.end(),a.begin(),ToUpper);
                    if(panduan(a))
                        aaa[i].insert(a);
                }
            }
        }
    }
    int m;
    cin>>m;
    int a1,b1,x,y;
    for(i=0;i<m;i++)
    {
        cin>>a1>>b1;
        a1--;b1--;
        x=0;y=0;
        for(set<string>::iterator it=aaa[a1].begin();it!=aaa[a1].end();it++)
        {
            if(aaa[b1].count(*it)==1)
                x++;
        }
        y=aaa[a1].size()+aaa[b1].size();
        printf("%.1lf%%\n",(double)x/y);
    }
}