持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第26天，点击查看活动详情
1、前言
每天一个算法小练习，本篇使用Java实现。
2、题目描述
两个(具有不同单词的)文档的交集(intersection)中元素的个数除以并集(union)中元素的个数，就是这两个文档的相似度。例如，{1, 5, 3} 和 {1, 7, 2, 3} 的相似度是 0.4，其中，交集的元素有 2 个，并集的元素有 5 个。给定一系列的长篇文档，每个文档元素各不相同，并与一个 ID 相关联。它们的相似度非常“稀疏”，也就是说任选 2 个文档，相似度都很接近 0。请设计一个算法返回每对文档的 ID 及其相似度。只需输出相似度大于 0 的组合。请忽略空文档。为简单起见，可以假定每个文档由一个含有不同整数的数组表示。
输入为一个二维数组 docs，docs[i] 表示 id 为 i 的文档。返回一个数组，其中每个元素是一个字符串，代表每对相似度大于 0 的文档，其格式为 {id1},{id2}: {similarity}，其中 id1 为两个文档中较小的 id，similarity 为相似度，精确到小数点后 4 位。以任意顺序返回数组均可。
2.1、示例1
输入:
[
[14, 15, 100, 9, 3],
[32, 1, 9, 3, 5],
[15, 29, 2, 6, 8, 7],
[7, 10]
]
输出:
[
"0,1: 0.2500",
"0,2: 0.1000",
"2,3: 0.1429"
]
3、解题思路
先对数组进行排序，然后通过双层for循环，依次对对这些有序数组进行求交集与并集的数量，再依次算出相似度。
3.1、实现代码
public List<String> computeSimilarities(int[][] docs) {
for(int i = 0; i < docs.length; i++) {
//二维数组排序
Arrays.sort(docs[i]);
}
//存储相似度
List<String> list = new LinkedList<>();
//遍历二维数组
for(int i = 0; i < docs.length-1; i++){
int[] arri = docs[i];
for(int j = i+1; j < docs.length; j++){
int[] arrj = docs[j];
//两个数组，去求相似度
double n = rate(arri, arrj);
if(Double.compare(n, 0) > 0){
n = Math.round(n*10000) / 10000d;
//记录数组下标与相似度
list.add(i+","+j+": "+(n+"000").substring(0,6));
}
}
}
return list;
}
/**
* 求两个数组的相似度
* @param arr1
* @param arr2
* @return
*/
private double rate(int[] arr1, int[] arr2){
int index1 = 0, index2 = 0;
//交集数量、并集数量
int coSet = 0, inSet = 0;
//两个数组的每个元素，都要两两比对
while(index1 < arr1.length && index2 < arr2.length) {
//两个元素都相等时，下标都+1
if(arr1[index1] == arr2[index2]) {
coSet++;
index1++;
index2++;
continue;
}
if(arr1[index1] < arr2[index2]) {
index1++;
continue;
}
if(arr1[index1] > arr2[index2]) {
index2++;
continue;
}
}
//并集数量 = 两个数组长度 - 交集数量
inSet = arr1.length + arr2.length - coSet;
return (double)coSet/(double)inSet;
}
3.2、执行结果
好了、本期就先介绍到这里，有什么需要交流的，大家可以随时私信我。😊
