PAT甲级 1129 Recommendation System 25分 set和结构体操作符重载

本文提供了一道C++编程竞赛题目的详细解答,通过使用结构体和STL中的set容器,实现了一个高效的算法来处理大量数据的排序和查找操作。文章展示了如何在竞赛编程中运用高级数据结构和算法技巧,解决复杂的问题。

来源:https://pintia.cn/problem-sets/994805342720868352/problems/994805348471259136

题解

liuchuo

满分版本

#include<iostream>
#include<set>
#include<algorithm>
using namespace std;
int book[50001];
struct node{
    int value,cnt;
    bool operator < (const node &a) const{
        return (cnt != a.cnt) ? cnt > a.cnt : value < a.value;
    }
};
int main(){
    int n,m,x;
    scanf("%d %d",&n,&m);
    set<node> s;
    for(int i=1;i<=n;i++){
        scanf("%d",&x);
        if(i!=1){
            printf("%d:",x);
            int tempCnt=0;
            for(auto it=s.begin();tempCnt<m&&it!=s.end();it++){
                printf(" %d",it->value);
                tempCnt++;
            }
            printf("\n");
        }
        auto it=s.find(node{x,book[x]});
        if(it!=s.end()){
            s.erase(it);
        }
        book[x]++;
        s.insert(node{x,book[x]});
    }
    return 0;
}

超时版本

报错都是超时错误。50000的数据量,拷贝很多次会超时。

//16/25分
struct node{
    int no,times=0;
};
bool cmp(node &a,node &b){
    return a.times==b.times?a.no<b.no:a.times>b.times;
}
int main(){
    int n,m,x;
    scanf("%d %d",&n,&m);
    vector<node> v(n+1);
    for(int i=1;i<=n;i++){
        scanf("%d",&x);
        vector<node> vt(v);
        sort(vt.begin(),vt.end(),cmp);
        if(i!=1){
            printf("%d:",x);
            if(i<=m){
                for(int j=0;j<i-1;j++){
                    printf(" %d",vt[j].no);
                }
            }else{
                for(int j=0;j<m;j++){
                    printf(" %d",vt[j].no);
                }
            }
            printf("\n");
        }
        v[x].no=x;
        v[x].times++;
    }
    return 0;
}

 

### 关于推荐系统与联邦学习的研究论文 #### 联邦学习中的个性化推荐算法 在联邦学习框架下,为了提升模型的泛化能力保护用户数据隐私,《Think Locally, Act Globally: Federated Learning with Local and Global Representations》提出了结合局部全局表示的方法[^4]。该方法通过引入本地特征向量,在不牺牲整体性能的情况下增强了针对特定用户的适应性。 #### 基于联邦学习的安全性效率改进方案 考虑到隐私问题是联邦学习的重要组成部,有研究表明需要采用适当的技术手段来保障训练过程中的信息安全[^5]。这些措施不仅限于加密通信协议的应用,还包括差隐私机制的设计以及对抗攻击模式下的防御策略开发等方面的工作。 #### 序列型推荐系统的最新进展 对于时间序列类别的商品预测任务而言,近年来出现了许多创新性的解决方案。例如,在IJCAI、ICML等多个顶级会议上发布的研究成果展示了如何利用图神经网络(GNN)、自注意力机制等先进技术改善传统基于矩阵解或协同过滤的方法效果[^1]。 ```python import numpy as np from sklearn.model_selection import train_test_split def federated_learning_with_local_global_representations(data): """ 实现了一个简单的模拟函数, 展示了如何在一个假设场景中应用联合学习并融合地方个人表征。 参数: data (DataFrame): 用户行为记录的数据集 返回值: tuple: 训练后的全局模型参数其他统计信息 """ X_train, X_test, y_train, y_test = train_test_split( data.drop('target', axis=1), data['target'], test_size=0.2) # 这里省略具体实现细节... global_model_params = {} stats_info = {"accuracy": np.random.rand()} return global_model_params, stats_info ```
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