C++课设简单字符串编码与余弦相似度计算系统

1、C+课设-简单字符串编码与余弦相似度计算系统生成特征空间的核心：采用“字母一下标一下标”的方法生成编码。按照一般方法来讲，在处理操作中，对于每个字符串都需要遍历并对遇到的每个字符进行操作，由于需要检索aphb数组所带来的复杂度是O(N);这里采用的方法是先使用map建立字符与位置间的映射，之后加入中间数组vectorTemp用来存储相应位置元素的频数，那么生成特征空间的操作就可以变为一句话：for(inti=0;ilen;i+)TempFeatureSpacestri+;T=FeatureSpacestri是当前字符到位置的映射，那么TempT就是当前元素所在位置的频数了。这种通过下标引用的方

2、法理论复杂度为0(1),但是实际中因为使用了map，而map内部也进行了复杂度为O(IgN)的查找操作，因此实际的复杂度应该为O(1TgN),即O(lgN)。代码：#include#include#include#include#include#include#include#include#includeusingnamespacestd;classAlphabet存储字典序private:charch;intvalue;public:Alphabet。ch=a;value=0;Alphabet(charch,intval);charGetCharact()const;intGetValue

3、()const;voidAddValue();booloperator(Alphabet&T);classStringEncodingprivate:vectoraphb;vectorString;mapvchar,intFeatureSpace;public:StringEncoding();voidReadFromFile(constchar*fileName);voidWriteToFile(constchar*fileName);voidSearchFromFile(conststringstr,intkey);doubleCountCosine(vectorTemp,vectortt

4、);voidAlphaSort();voidRebuildCoding();按权重新生成英文字母编码;classManager管理类private:StringEncodingss;stringSearchString;public:Manager(stringSearchString=none);voidCall();调用;intmain()Managermm(none);mm.Call();system(pause);return0;return0;boolAlphabet:operator(Alphabet&T)returnvalueT.GetValue()?true:false;cha

5、rAlphabet:GetCharact()constreturnch;intAlphabet:GetValue()constreturnvalue;Alphabet:Alphabet(charch,intval):value(val)this-ch=ch;voidAlphabet:AddValue()value+;StringEncoding:StringEncoding()voidStringEncoding:AlphaSort()intSize=aphb.size();for(inti=0;iSize;i+)for(intj=0;japhbj)AlphabetT;T=aphbj;aphb

6、j=aphbj+1;aphbj+1=T;voidStringEncoding:ReadFromFile(constchar*fileName)fstreamfile_in;tryfile_in.open(fileName,ios:in|ios:out);if(!file_in)throwFileOpenError!;catch(constchar*Warning)coutWarningbuf)逐个字符串读取intlen=buf.length();for(inti=0;ilen;i+)if(!flag)aphb.push_back(Alphabet(bufi,1);flag=1;elseintm

7、ark=0;for(vector:iteratorit=aphb.begin();it!=aphb.end();it+)for(vector:iteratorit=aphb.begin();it!=aphb.end();it+)if(it-GetCharact()=bufi)mark=1;it-AddValue();if(!mark)aphb.push_back(Alphabet(bufi,1);flag+;String.push_back(buf);file_in.close();voidStringEncoding:WriteToFile(constchar*fileName)将Strin

8、g中的字符串按照特征空间的字典写入到另一个文件fstreamfile_out1,file_out2;tryfile_out2.open(dictionary.txtios:app);file_out1.open(fileName,ios:app);if(!file_out1|!file_out2)throwWriteToFileError!catch(constchar*Warning)coutWarningendl;system(pause);exit(0);解析字符串for(vector:iteratorit=String.begin();it!=String.end();it+)cons

9、tintSize=aphb.size();vectorTemp;Temp.resize(Size);stringstr=*it;intlen=str.length();for(inti=0;ilen;i+)TempFeatureSpacestri+;核心：字母-下标-下标file_out1str+:;for(inti=0;iSize;i+)file_out1Tempi;file_out1endl;for(vector:iteratorit=aphb.begin();it!=aphb.end();it+)file_out2GetCharact()(char*):GetValue()endl;fi

10、le_out1.close();file_out2.close();voidStringEncoding:SearchFromFile(conststringstr,intkey)先把str按字典序转化为对应编码if(key=2)fstreamfile_in;stringfileName=file_out.txt;tryfile_in.open(fileName,ios:in|ios:out);if(!file_in)throwFileOpenError!;catch(constchar*Warning)coutWarningbuf)逐个字符串读取if(str+:)=buf)flag=1;br

11、eak;if(flag)for(inti=buf.length();iline.length();i+)coutlinei;coutendl;break;if(!flag)cout喳无此字符串或其编码！endl;file_in.close();elsedoublemax=-1;stringmaxString=null;intflag=0;控制开关vectorvec;下面先计算指定字符串的编码vectortt;intlen=str.length();constintss=aphb.size();tt.resize(ss);for(inti=0;ilen;i+)trttFeatureSpacest

12、ri+;cout输入的字符串编码为：；for(inti=0;iss;i+)couttti;coutendl;for(vector:iteratorit=String.begin();it!=String.end();it+)constintSize=aphb.size();vectorTemp;Temp.resize(Size);stringstr=*it;intlen=str.length();for(inti=0;imax)vec.clear();max=ans;maxString=*it;vec=Temp;cout最近字符串的余弦相似度为：(double)maxendl;cout最相似的

13、字符串为：maxStringendl;cout编码为：；for(inti=0;ivec.size();i+)coutveci;voidStringEncoding:RebuildCoding()AlphaSor();intSize=aphb.size();for(inti=0;iSize;i+)/重新生成新的字典序并存放于特征空间中FeatureSpaceaphbi.GetCharact()=i;doubleStringEncoding:CountCosine(vectorTemp,vectortt)intss=aphb.size();doublecos=0;for(inti=0;iss;i+)cos+=Tempi*tti;doubledeno1