#P16032. [CSPro 33] 相似度计算

[CSPro 33] 相似度计算

题目背景

洛谷的测试数据仅供民间交流使用,非官方测试数据。官方评测链接:https://www.cspro.org/

两个集合的 Jaccard 相似度定义为:

Sim(A,B)=ABABSim(A, B) = \frac{|A \cap B|}{|A \cup B|}

即交集的大小除以并集的大小。当集合 AABB 完全相同时,Sim(A,B)=1Sim(A, B) = 1 取得最大值;当二者交集为空时,Sim(A,B)=0Sim(A, B) = 0 取得最小值。

题目描述

除了进行简单的词频统计,小 P 还希望使用 Jaccard 相似度来评估两篇文章的相似性。具体来说,每篇文章均由若干个英文单词组成,且英文单词仅包含“大小写英文字母”。对于给定的两篇文章,小 P 首先需要提取出两者的单词集合 AABB,即去掉各自重复的单词。然后计算出:

  • AB|A \cap B|,即有多少个不同的单词同时出现在两篇文章中;
  • AB|A \cup B|,即两篇文章一共包含了多少个不同的单词。

最后再将两者相除即可算出相似度。需要注意,在整个计算过程中应当忽略英文字母大小写的区别,比如 the、The 和 THE 三者都应被视作同一个单词。

试编写程序帮助小 P 完成前两步,计算出 AB|A \cap B|AB|A \cup B|;小 P 将亲自完成最后一步的除法运算。

输入格式

从标准输入读入数据。

输入共三行。

输入的第一行包含两个正整数 nnmm,分别表示两篇文章的单词个数。

第二行包含空格分隔的 nn 个单词,表示第一篇文章;

第三行包含空格分隔的 mm 个单词,表示第二篇文章。

输出格式

输出到标准输出。

输出共两行。

第一行输出一个整数 AB|A \cap B|,即有多少个不同的单词同时出现在两篇文章中;

第二行输出一个整数 AB|A \cup B|,即两篇文章一共包含了多少个不同的单词。

3 2
The tHe thE
the THE
1
1
9 7
Par les soirs bleus dete jirai dans les sentiers
PICOTE PAR LES BLES FOULER LHERBE MENUE
2
13
15 15
Thou that art now the worlds fresh ornament And only herald to the gaudy spring
Shall I compare thee to a summers day Thou art more lovely and more temperate
4
24

提示

样例 1 解释

A=B=AB=AB={the}A = B = A \cap B = A \cup B = \{\text{the}\}

样例 2 解释

$A = \{\text{bleus, dans, dete, jirai, les, par, sentiers, soirs}\} \quad |A| = 8$

$B = \{\text{bles, fouler, les, lherbe, menue, par, picote}\} \quad |B| = 7$

$A \cap B = \{\text{les, par}\} \quad |A \cap B| = 2$

子任务

  • 80%80\% 的测试数据满足:n,m100n, m \le 100 且所有字母均为小写;
  • 全部的测试数据满足:n,m104n, m \le 10^4 且每个单词最多包含 1010 个字母。