洛谷-3879 [TJOI2010]阅读理解

本文介绍了一种利用字典树优化英文短文中生词统计的方法,通过构建字典树加速生词查询,适用于大量短文和生词的统计场景。文章详细解释了字典树的插入和查询操作,以及如何在实际编程中实现。

题目描述
英语老师留了N篇阅读理解作业,但是每篇英文短文都有很多生词需要查字典,为了节约时间,现在要做个统计,算一算某些生词都在哪几篇短文中出现过。
输入格式
第一行为整数N,表示短文篇数,其中每篇短文只含空格和小写字母。
按下来的N行,每行描述一篇短文。每行的开头是一个整数L,表示这篇短文由L个单词组成。接下来是L个单词,单词之间用一个空格分隔。
然后为一个整数M,表示要做几次询问。后面有M行,每行表示一个要统计的生词。
输出格式
对于每个生词输出一行,统计其在哪几篇短文中出现过,并按从小到大输出短文的序号,序号不应有重复,序号之间用一个空格隔开(注意第一个序号的前面和最后一个序号的后面不应有空格)。如果该单词一直没出现过,则输出一个空行。

输入输出样例
输入 #1
3
9 you are a good boy ha ha o yeah
13 o my god you like bleach naruto one piece and so do i
11 but i do not think you will get all the points
5
you
i
o
all
naruto

输出 #1
1 2 3
2 3
1 2
3
2

说明/提示
对于30%的数据,1 ≤ M ≤ 1,000
对于100%的数据,1 ≤ M ≤ 10,000,1 ≤ N ≤ 1000
每篇短文长度(含相邻单词之间的空格) ≤ 5,000 字符,每个单词长度 ≤ 20 字符
每个测试点时限2秒
感谢@钟梓俊添加的一组数据

解释:对每一篇文章,我们建立一颗字典树,这样查询其实就是在字典树上进行查询,直接暴力

#include<iostream>
using namespace std;
int n=0;
int rev(char a){
    if(a<='z'&&a>='a') return a-'a';
    return a-'A'+26;
}
struct node{
    node *tree[26];
    int v;
};
void free(node *rt){
    if(!rt) return;
    for(int i=0;i<26;i++) free(rt->tree[i]);
    delete rt;
}
void init(node *rt){
    for(int i=0;i<26;i++) rt->tree[i]=NULL;
    rt->v=0;
}
void insert(node *rt,char *str){
    node *temp=rt;
    for(int i=0;str[i];i++){
        int y=rev(str[i]);
        if(temp->tree[y]==NULL){
            temp->tree[y]=new node;
            init(temp->tree[y]);
        }
        temp=temp->tree[y];
    }
    temp->v=1;
}
bool query(node *rt,char *str){
    node *temp=rt;
    for(int i=0;str[i];i++){
        int y=rev(str[i]);
        if(temp->tree[y]==NULL) return 0;
        temp=temp->tree[y];
    }
    return temp->v;
}
node *root[1005];
int main(){
    ios::sync_with_stdio(false);
    cin>>n;
    for(int i=1;i<=n;i++){
        root[i]=new node;
        int m=0;cin>>m;
        char str[33];
        for(int j=1;j<=m;j++){
            cin>>str;
            insert(root[i],str);
        }
    }
    int q=0;cin>>q;
    while(q--){
        char str[33];cin>>str;
        for(int i=1;i<=n;i++){
            if(query(root[i],str)) cout<<i<<" ";
        }
        cout<<endl;
    }
    for(int i=1;i<=n;i++) free(root[i]);
    return 0;
}

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
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