• <ins id="pjuwb"></ins>
    <blockquote id="pjuwb"><pre id="pjuwb"></pre></blockquote>
    <noscript id="pjuwb"></noscript>
          <sup id="pjuwb"><pre id="pjuwb"></pre></sup>
            <dd id="pjuwb"></dd>
            <abbr id="pjuwb"></abbr>
            posts - 7,  comments - 64,  trackbacks - 0

            我現(xiàn)在需要統(tǒng)計一篇文章中的單詞數(shù)量,并排序輸出。
            格式

            單詞1 500
            單詞2 499
            單詞3 300
            .....
            ...
            ..
            .

            現(xiàn)在的思路是
            第一步:先將單詞讀入到map<string,size_t> ssmap;當(dāng)中;這樣每次掃描到一個新單詞后都可以++ssmap[str];來統(tǒng)計單詞數(shù);
            第二步:將map中的內(nèi)容拷貝到vector<pair<string*,size_t> > vec;當(dāng)中,之后對vec用sort進(jìn)行排序。(之所以要用string*是因為不希望發(fā)生string的拷貝構(gòu)造,以免浪費時間)。
            第三步:將vec輸出。

            試驗了一下上述方法可以正確執(zhí)行。
            但我想應(yīng)該有更快的方法,請各位賜教一下!


            呵呵,謝謝大家這么積極。

            字符串長度沒有限制,這個從一個分詞程序?qū)ξ恼逻M(jìn)行分詞處理以后的結(jié)果。單詞可能是“的,了”這種單個字,也可能是“中華人民共和國”這種字符串。還有可能遇到像“\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\...(n個)”這種比較變態(tài)的符號。

            posted on 2009-09-03 16:05 HIT@ME 閱讀(2014) 評論(16)  編輯 收藏 引用

            FeedBack:
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)![未登錄]
            2009-09-03 16:20 | foxriver
            map查找已經(jīng)足夠快了。你看看是不是單詞多,排序浪費了太多的時間。可以修改成radix sort, 加快速度。不過可能會有點難度,你要把string轉(zhuǎn)換成int,還用到多重排序。

            個人測試大規(guī)模數(shù)據(jù),速度還能接受。貼點逼人的簡陋代碼,僅供參考,核心算法見:http://www.codercorner.com/RadixSortRevisited.htm

            class vector_string : public vector<string>
            {
            public:
            vector_string()
            {
            }
            ~vector_string()
            {
            }

            public:
            void sort(vector<int>* r_offsetset = 0)
            {
            vector<string> swaplist;
            swaplist.resize(_Num);

            vector<uint> sorttable1;
            vector<uint> sorttable2;
            vector<uint> sorttable3;

            sorttable1.resize(_Num);
            sorttable2.resize(_Num);
            sorttable3.resize(_Num);

            int i;
            for (i=0;i<_Num;i++)
            {
            const string& str = _First[i];
            uint b;
            int n;

            b = 0;
            for (n=0;n<4 && n<str.size();n++)
            {
            if (n == 0) b |= (str[n] << 24) & 0xff000000;
            if (n == 1) b |= (str[n] << 16) & 0x00ff0000;
            if (n == 2) b |= (str[n] << 8) & 0x0000ff00;
            if (n == 3) b |= (str[n]) & 0x000000ff;
            }
            sorttable1[i] = b;

            b = 0;
            for (n=4;n<8 && n<str.size();n++)
            {
            if (n == 4) b |= (str[n] << 24) & 0xff000000;
            if (n == 5) b |= (str[n] << 16) & 0x00ff0000;
            if (n == 6) b |= (str[n] << 8) & 0x0000ff00;
            if (n == 7) b |= (str[n]) & 0x000000ff;
            }
            sorttable2[i] = b;

            b = 0;
            for (n=8;n<12 && n<str.size();n++)
            {
            if (n == 8) b |= (str[n] << 24) & 0xff000000;
            if (n == 9) b |= (str[n] << 16) & 0x00ff0000;
            if (n == 10) b |= (str[n] << 8) & 0x0000ff00;
            if (n == 11) b |= (str[n]) & 0x000000ff;
            }
            sorttable3[i] = b;
            }

            radixsort_t radix;
            uint* sorted = radix.Sort((uint*)&sorttable3[0], sorttable3.size(), false).Sort((uint*)&sorttable2[0], sorttable2.size(), false).Sort((uint*)&sorttable1[0], sorttable1.size(), false).GetIndices();

            resort(sorted, 0, _Num, swaplist);
            if (r_offsetset) r_offsetset->resort(sorted, 0, _Num);

            // ------- 2 ------
            vector<uint> swaptable;
            swaptable.resize(_Num);

            for (i=0;i<_Num;i++) swaptable[i] = sorttable1[i];
            for (i=0;i<_Num;i++) sorttable1[i] = swaptable[sorted[i]];

            for (i=0;i<_Num;i++) swaptable[i] = sorttable2[i];
            for (i=0;i<_Num;i++) sorttable2[i] = swaptable[sorted[i]];

            for (i=0;i<_Num;i++) swaptable[i] = sorttable3[i];
            for (i=0;i<_Num;i++) sorttable3[i] = swaptable[sorted[i]];

            // 測試 程序 文字 1
            // 測試 程序 文字
            // 測試 程序 文比
            uint tab1 = 0xFFFFFFFF;
            uint tab2 = 0xFFFFFFFF;
            uint tab3 = 0xFFFFFFFF;

            int samecount = 0;
            for (i=0;i<_Num;i++)
            {
            if (tab1 == sorttable1[i] && tab2 == sorttable2[i] && tab3 == sorttable3[i])
            {
            samecount++;
            continue;
            }

            if (samecount)
            {
            int start = i - samecount-1;
            int total = samecount + 1;

            bool exactsame = true;
            for (int n=start+1;n<start+total;n++)
            {
            if (_First[n-1] != _First[n])
            {
            exactsame = false;
            break;
            }
            }

            if (exactsame == false)
            {
            quicksort_t::sort((int*)sorted, _First+start, total, _cmp);
            resort(sorted, start, total, swaplist);
            if (r_offsetset) r_offsetset->resort(sorted, start, total);
            }
            }

            tab1 = sorttable1[i];
            tab2 = sorttable2[i];
            tab3 = sorttable3[i];
            samecount = 0;
            }

            if (samecount)
            {
            int start = i - samecount-1;
            int total = samecount + 1;

            quicksort_t::sort((int*)sorted, _First+start, total, _cmp);
            resort(sorted, start, total, swaplist);
            if (r_offsetset) r_offsetset->resort(sorted, start, total);
            }
            }

            protected:
            void resort(const uint* r_sorted, int r_offset, int r_num, vector<string>& r_swaplist)
            {
            int i;
            for (i=0;i<r_num;i++) r_swaplist[i].swap(_First[r_sorted[i]+r_offset]);
            for (i=0;i<r_num;i++) _First[i+r_offset].swap(r_swaplist[i]);
            }
            };

              回復(fù)  更多評論
              
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)![未登錄]
            2009-09-03 16:32 | foxriver
            如果你用的是標(biāo)準(zhǔn)的new,stl的string會頻繁調(diào)用也耗費不少時間。可以改用id software的那個idHeap,官網(wǎng)quake4 sdk里就有,速度號稱是vc版本的N倍。

            當(dāng)然,前提必須是單線程。  回復(fù)  更多評論
              
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)!
            2009-09-03 16:38 | Vincent
            今年的astar就有一道牽扯到這個的題目.
            樓主的做法應(yīng)該就是利用hash表統(tǒng)計吧..
            我提出另外一個做法用trie樹..  回復(fù)  更多評論
              
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)![未登錄]
            2009-09-03 16:42 | foxriver
            樓主應(yīng)該不是hash表,是rt樹,不過兩者速度也差不多了,沒什么可優(yōu)化的地方。hash只有在數(shù)據(jù)相當(dāng)大的情況下(>1000萬條),才會有明顯優(yōu)勢。  回復(fù)  更多評論
              
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)!
            2009-09-03 16:46 | Vincent
            哦..呵呵..我不太清楚rt樹是什么..
            而且樓主說的這個還是太籠統(tǒng)..
            比如單詞字符串的長度上限等等.
            不同的條件下不同的方法有著不同的效率..

            hash的話,就想到一個比較出名的elfhash..  回復(fù)  更多評論
              
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)![未登錄]
            2009-09-03 16:46 | foxriver
            暈死,打錯字了,是RB-TREE.  回復(fù)  更多評論
              
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)!
            2009-09-03 16:48 | Vincent
            紅黑樹啊..
            呵呵...個人覺得只要能設(shè)計出合理的hash還是hash更快些吧..  回復(fù)  更多評論
              
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)![未登錄]
            2009-09-03 16:49 | foxriver
            我喜歡用BKDR Hash Function,簡單方便,散布率對本人而言,已經(jīng)相當(dāng)滿意了。  回復(fù)  更多評論
              
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)!
            2009-09-03 16:51 | Vincent
            慚愧啊..事實上我只會寫elfhash...  回復(fù)  更多評論
              
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)![未登錄]
            2009-09-03 16:53 | foxriver
            "個人覺得只要能設(shè)計出合理的hash還是hash更快些吧", 嚴(yán)重同意!不過對于樓主來說,寫一個hash查找來替換std::map挺費時間的,內(nèi)存管理上弄不好的話,效率和穩(wěn)定性會下降,說不定還沒人家stl的快,所以不是很推薦呢。  回復(fù)  更多評論
              
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)!
            2009-09-03 16:56 | Vincent
            ^_^stl王道  回復(fù)  更多評論
              
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)!
            2009-09-03 23:00 | wcdj
            用Unix or Linux下的使用程序 sort wc 是相當(dāng)?shù)目?nbsp; 回復(fù)  更多評論
              
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)![未登錄]
            2009-09-03 23:26 | dskit
            map的底層用紅黑樹實現(xiàn),
            可以用trie樹,但是有中文,還有其他符號,好像就不好處理了  回復(fù)  更多評論
              
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)!
            2009-09-03 23:46 | gbb
            這個不是標(biāo)準(zhǔn)的mapreduce樣例么?  回復(fù)  更多評論
              
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)!
            2009-09-04 14:30 | 凡客誠品
            不錯哦  回復(fù)  更多評論
              
            # re: 有沒有更快的辦法來統(tǒng)計一篇文章中的詞組數(shù)量并排序輸出(挑戰(zhàn)速度)!
            2009-09-06 23:19 | 唐風(fēng)
            std::map
            本身不就是排序的嗎?為什么還要倒到vector里排?不解  回復(fù)  更多評論
              

            只有注冊用戶登錄后才能發(fā)表評論。
            網(wǎng)站導(dǎo)航: 博客園   IT新聞   BlogJava   博問   Chat2DB   管理


            <2009年9月>
            303112345
            6789101112
            13141516171819
            20212223242526
            27282930123
            45678910

            常用鏈接

            留言簿(5)

            隨筆檔案

            test

            搜索

            •  

            最新評論

            閱讀排行榜

            評論排行榜

            无码任你躁久久久久久久| 一本色综合网久久| 久久久久国产精品三级网| 久久久久综合中文字幕| 久久精品亚洲AV久久久无码| 久久亚洲AV成人出白浆无码国产 | 久久久免费观成人影院| 亚洲精品国产综合久久一线| 久久精品国产亚洲av麻豆图片| 国产人久久人人人人爽| 午夜精品久久久久久| 久久国产欧美日韩精品| 亚洲国产精品无码久久九九| 国产精品岛国久久久久| 久久婷婷五月综合色奶水99啪| 久久精品中文字幕久久| 亚洲va久久久噜噜噜久久 | 久久精品国产亚洲综合色| 久久精品国产亚洲AV不卡| 久久久久亚洲AV片无码下载蜜桃| 亚洲а∨天堂久久精品| 国产高清国内精品福利99久久| 无码日韩人妻精品久久蜜桃| 欧美精品丝袜久久久中文字幕 | 久久国产成人午夜aⅴ影院 | 久久久久久久女国产乱让韩| 久久精品国产精品亜洲毛片| a高清免费毛片久久| 日日躁夜夜躁狠狠久久AV| 久久久久久伊人高潮影院 | 久久久久久久久久久久中文字幕| 久久久一本精品99久久精品88| 亚洲国产精品综合久久网络| 亚洲午夜久久久| 亚洲精品无码久久毛片| 亚洲精品tv久久久久| 伊人热热久久原色播放www | 精品国产一区二区三区久久| 99久久99这里只有免费费精品| 久久精品中文闷骚内射| 99国产欧美精品久久久蜜芽|