程序员面试金典 - 面试题 17.26. 稀疏相似度（哈希map）

1. 题目

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。

示例:
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"
]

提示：
docs.length <= 500
docs[i].length <= 500
相似度大于 0 的文档对数不会超过 1000

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/sparse-similarity-lcci
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

2. 解题

• 题目说稀疏，最多1000对，考虑相同的 文档内容，后面存储《含有该内容的文档 id》
• sprintf(res, "%d,%d: %.4f", id1, id2, similarity+1e-9);，精度问题，参考评论区+1e-9
• C 库函数 int sprintf(char *str, const char *format, ...) 发送格式化输出到 str 所指向的字符串
• 卡精度例子拿走不客气

class Solution {
public:
    vector<string> computeSimilarities(vector<vector<int>>& docs) {
    	unordered_map<int,vector<int>> m;//文档片段，含有该片段的文档id
    	for(int i = 0; i < docs.size(); ++i)
    	{
    		for(int part : docs[i])
    			m[part].push_back(i);
    	}
    	unordered_map<int,unordered_map<int,int>> countSame;//doc1，doc2，sameValue
    	int i, j, id1, id2, num;
    	for(auto& mi : m)
    	{
    		for(i = 0; i < mi.second.size()-1; ++i)
    		{
    			id1 = mi.second[i];
    			for(j = i+1; j < mi.second.size(); ++j)
    			{
    				id2 = mi.second[j];
    				countSame[id1][id2] += 1;
    			}
    		}
    	}
    	vector<string> ans;
    	double similarity;
    	for(auto& vals : countSame)
    	{
    		id1 = vals.first;
    		for(auto& count : vals.second)
    		{
    			id2 = count.first;
    			num = count.second;
    			similarity = double(num)/(docs[id1].size()+docs[id2].size()-num);
    			char res[16];
    			sprintf(res, "%d,%d: %.4f", id1, id2, similarity+1e-9);
    			ans.push_back(string(res,res+16));
    		}
    	}
    	return ans;
    }
};