1063. Set Similarity (25) PAT甲级

本文介绍了一个使用C++实现的程序,该程序能够比较两个整数集合之间的相似度,并通过百分比形式输出它们的交集占并集的比例。主要涉及C++标准库中的set容器及其迭代器操作。

传送门

#include<stdio.h>
#include<set>

using namespace std;


#define MAX_N 51

set<int> s[MAX_N];

void cmp(int str1,int str2){
    int totalnum=s[str2].size();
    int sameNum=0;
    for(set<int>::iterator it=s[str1].begin();it!=s[str1].end();it++){
        if(s[str2].find(*it)!=s[str2].end())    sameNum++;
        else    totalnum++;
    }
    printf("%.1lf%%\n",sameNum*100.0/totalnum);
}

int main(){
    int n,m;
    int v;
    int k;
    int str1,str2;
    scanf("%d",&n);
    for(int i=1;i<=n;i++){
        scanf("%d",&m);
        for(int j=0;j<m;j++){
            scanf("%d",&v);
            s[i].insert(v);
        }
    }
    scanf("%d",&k);
    for(int i=0;i<k;i++){
        scanf("%d%d",&str1,&str2);
        cmp(str1,str2);
    }
} 
torch.nn.CosineSimilarity是PyTorch中用于计算余弦相似度的函数。余弦相似度用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小,余弦值越接近1,表明夹角越接近0度,即两个向量越相似,该函数利用的就是这一理论思想,通过计算两个向量夹角的余弦值来衡量向量之间的相似度值[^4]。 以下给出使用示例: ```python import torch import torch.nn.functional as F import math # 定义输入张量 a = torch.tensor([[1, 2], [3, 4]], dtype=torch.float) b = torch.tensor([[5, 6], [7, 8]], dtype=torch.float) # 自定义函数计算余弦相似度 def check(vec_a, vec_b): dot = 0 for i in range(len(vec_a)): dot += vec_a[i]*vec_b[i] vec_a_sq_sum = math.sqrt(sum([item*item for item in vec_a])) vec_b_sq_sum = math.sqrt(sum([item*item for item in vec_b])) return dot/(vec_a_sq_sum*vec_b_sq_sum) # 使用dim=0计算余弦相似度 res_0 = F.cosine_similarity(a, b, dim=0) check1_0 = check([1,3], [5,7]) check2_0 = check([2,4], [6,8]) print("dim=0时F.cosine_similarity计算结果:", res_0) print("dim=0时自定义函数计算结果:", check1_0, check2_0) # 使用dim=1计算余弦相似度 res_1 = F.cosine_similarity(a, b, dim=1) check1_1 = check([1,2], [5,6]) check2_1 = check([3,4], [7,8]) print("dim=1时F.cosine_similarity计算结果:", res_1) print("dim=1时自定义函数计算结果:", check1_1, check2_1) ``` 对于二维矩阵,dim=0表示对应列的列向量之间进行cos相似度计算;dim=1表示对应行的行向量之间进行cos相似度计算[^3]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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