牛客题解 | 为数据集行创建复合超向量

题目

题目链接

复合超向量是一种将多个向量组合成一个向量的方法，其计算公式为：

$$compositehypervector=\sum _{i=1}^n{w}_i\times v_i$$
其中，$w_i$ 是权重，$v_i$ 是向量。
在本题中，这是一个使用超维计算（HDC）的任务，需要通过以下步骤处理数据：

1. 为每个特征创建两个基本超向量：

• 一个表示特征名称
• 一个表示特征值
  在创建过程中，需要使用随机种子来确保每次运行代码时生成的超向量是相同的。

2. 使用绑定操作（bind）组合特征名称和值的超向量
   本题使用了点积操作来实现绑定操作，即：
   $$h{v}_1\cdot h{v}_2=\sum _{i=1}^n{w}_i\times v_i$$
   实际上，在绑定操作中，更常使用的是异或操作，具体实现方式交由读者自行探索。
3. 使用捆绑操作（bundle）将所有特征的超向量组合成一个复合超向量
   本题的捆绑操作使用了求和操作，即：
   $$\sum _{i=1}^{n}h{v}_i$$
   然后对结果进行符号化，即：
   

标准代码如下

def create_hv(dim):
    return np.random.choice([-1, 1], dim)
def create_col_hvs(dim, seed):
    np.random.seed(seed)
    return create_hv(dim), create_hv(dim)
def bind(hv1, hv2):
    return hv1 * hv2
def bundle(hvs, dim):
    bundled = np.sum(list(hvs.values()), axis=0)
    return sign(bundled)
def sign(vector, threshold=0.01):
    return np.array([1 if v >= 0 else -1 for v in vector])
def create_row_hv(row, dim, random_seeds):
    row_hvs = {col: bind(*create_col_hvs(dim, random_seeds[col])) for col in row.keys()}
    return bundle(row_hvs, dim)
if __name__ == "__main__":
    row = eval(input())
    dim = int(input())
    random_seeds = eval(input())
    print(create_row_hv(row, dim, random_seeds))