PAT 最佳排名

最佳排名

#include <iostream>
#include <algorithm>
#include <unordered_map>
#include <vector>
#include <cmath>


using namespace std;

unordered_map<string, vector<int>> grades;//明白hashmap的用法表示映射的相对关系,一个id
//映射到那个同学的三科成绩
vector <int> q[4];//本质是个可以看作是个二维数组但是vector是个容器
//q[0]:A q[1]:C q[2]:M q[3]: E

int get_rank(vector<int>& a , int x)//二分找到第一个下表为x的数
{//但是该数组是一个递增的数组所以要找最右边的第一个数字
    int l = 0, r = a.size() - 1;//vector的函数
    while(l < r)
    {
        int mid = l + r + 1 >> 1;//l = mid 为了防止死循环所以这里要加1
        if(a[mid] <= x) l = mid;
        else
            r = mid - 1;
    }
    return a.size() - r;
    
}

int  main()
{
    int n, m;
    cin >> n >> m;
    
    for(int i = 0; i < n; i ++ )
    {
        string id;
        int t[4] = {0};
        cin >> id;
        for(int j = 1; j < 4; j ++ )
        {
            cin >> t[j];
            t[0] += t[j];
        }
        t[0] = round(t[0] / 3.0);//round函数是math库中的除数
        for(int j = 0; j < 4; j ++ )
        {
            q[j].push_back(t[j]);//加到vector容器中
            grades[id].push_back(t[j]);
        }
        
    }
    
    for(int i = 0; i < 4; i ++ )sort(q[i].begin(),q[i].end());
    
    char names[] = "ACME";
    
    while(m -- )
    {
        string id;
        cin >> id;
        if(grades.count(id) == 0) puts("N/A");//哈希表用法
        else
        {
            int res = n + 1;
            char c;
            for(int i = 0; i < 4; i ++ )
            {
                int rank = get_rank(q[i], grades[id][i]);
                if(rank < res)
                {
                    res = rank;//四门课选分最高的输出
                    c = names[i];
                }
            }
            cout << res << ' ' << c << endl;
            
        }
    }
    
    return 0;
    
}
Nano-ESG数据资源库的构建基于2023年初至2024年秋季期间采集的逾84万条新闻文本,从中系统提炼出企业环境、社会及治理维度的信息。其构建流程首先依据特定术语在德语与英语新闻平台上检索,初步锁定与德国DAX 40成分股企业相关联的报道。随后借助嵌入技术对文本段落执行去重操作,以降低内容冗余。继而采用GLiNER这一跨语言零样本实体识别系统,排除与目标企业无关的文档。在此基础上,通过GPT-3.5与GPT-4o等大规模语言模型对文本进行双重筛选:一方面判定其与ESG议题的相关性,另一方面生成简明的内容概要。最终环节由GPT-4o模型完成,它对每篇文献进行ESG情感倾向(正面、中性或负面)的判定,并标注所涉及的ESG具体维度,从而形成具备时序特征的ESG情感与维度标注数据集。 该数据集适用于多类企业可持续性研究,例如ESG情感趋势分析、ESG维度细分类别研究,以及企业可持续性事件的时序演变追踪。研究者可利用数据集内提供的新闻摘要、情感标签与维度分类,深入考察企业在不同时期的环境、社会及治理表现。此外,借助Bertopic等主题建模方法,能够从数据中识别出与企业相关的核心ESG议题,并观察这些议题随时间的演进轨迹。该资源以其开放获取特性与连续的时间覆盖,为探究企业可持续性表现的动态变化提供了系统化的数据基础。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值