编程之美-3.5-最短摘要的生成
1. 简述
这道题的题干说的不是特别清楚，在网上看了几篇相关的博文才搞清楚，对于算法本身就是编程之美给出的解法，现在我还没有深入的理解。题干大意如下：输入两个字符串，一个表示用户输入的查询，另一个表示一篇文档的内容。对于查询和文档分别进行自动分词后，用户查询和文档内容的两个字符串变为两个词语序列。比如，下面的keyword表示分词后的用户查询，str表示分词后的文档内容。
string str[] = {
"微软","亚洲","研究院","成立","于","1998","年","，","我们","的","使命",
"是","使","未来","的","计算机","能够","看","、","听","、","学","，",
"能","用","自然语言","与","人类","进行","交流","。","在","此","基础","上",
"，","微软","亚洲","研究院","还","将","促进","计算机","在","亚太","地区",
"的","普及","，","改善","亚太","用户","的","计算","体验","。","”"
};
所要求得是str1中的若干个连续的字符串，假设为str[i]-str[j]，其中包含keyword中的所有词语，且str[i]-str[j]是满足这个条件的最短的一个。
2. 思路
这个主要注意几点：首先，str[i]-str[j]包含keyword里面的所有词语，但是不要求顺序相同，然后，str[i]-str[j]是所有满足这样要求的最短子串。
主要方法是：deque<index> store： 记录当前摘要的所有单词在str中的下标，map<string, int> record记录所有当前摘要中出现的次数。min_len：当前最短摘要的长度。min_index_first：当前最短摘要的第一个词语在str中的下标，min_index_last：当前最短摘要的最后一个词语在str中的下标。
第一步，寻找第一个完整摘要，更新store和record。如果没找到，程序结束。如果找到了计算min_len,min_index_first,min_index_last;，然后进行第二步。
第二步，队列中去掉一个第一个关键词，同时更新record，如果record中该关键词计数还大于0，这说明虽然当前摘要短了，但是还是完整的，因此这必然是一个更短的摘要，min_len--;min_index_first++; 重复第二步。 如果record中关键词的计数为0了，这说明当前摘要不完整了，需要向后面找缺少的关键词，进入第三步。
第三步，在当前摘要后面寻找缺少的关键词。如果下标越界了，说明不能再找到完整的摘要了，停止工作即可。如果找到的不是关键词，index++，即向后移动继续找。如果找到的是关键词更新store和record，此时如果找到的关键词刚好还是缺少的关键词，那么转向第二步，无论与否，记得index++先。
3. 代码实现
大体思路不难，但是把当前摘要的关键词下标序列，当前摘要的关键词计数，最短摘要位置，缺少的关键词，这些数据放在一起，还要更新，逻辑就有点复杂了。写了好一会才写出来，不好说对与不对，毕竟没有完整的测试。
#include<string>
#include<map>
#include<deque>
using namespace std;
void find_min_len_abstract(string str[], string keyword[], int len_str, int len_keyword) {
// 初始化map
map<string,int> record;
for(int i=0; i<len_keyword; i++) {
record[keyword[i]] = 0;
}
// 匹配过程
deque<int> store; // 存储的是str中关键词的下标
int min_len = 0;
int min_index_first = -1;
int min_index_last = -1;
int find_key_num = 0;
int index = 0;
while(find_key_num < len_keyword && index < len_str) {
if(record.find(str[index]) == record.end()) { // str[index]不是关键字
index++;
}
else { // str[index]是关键字
if(record[str[index]] == 0) // 第一次找到这个关键字
find_key_num ++;
record[str[index]] = record[str[index]] + 1; // 计数加1
store.push_back(index);
index++;
}
}
if(find_key_num < len_keyword) { // 一个满足的摘要都没找到
cout << "not abstract found " << endl;
}
else { // 找到一个了，试着找找更好的
min_len = store.back()- store.front() + 1;
min_index_first = store.front();
min_index_last = store.back();
// 第一个摘要
cout << "第一个摘要" << endl;
cout << "min len: " << min_len << endl;
for(int i=min_index_first; i<=min_index_last; i++)
cout << str[i] << " ";
cout << endl;
cout << "---------------------------------------------" << endl;
string need_key;
bool already_found = true;
while(true) {
if(already_found == true) { // 刚好找到一个新摘要
string first_key = str[store.front()];
record[first_key]--; // 减少当前最前面的关键词
store.pop_front(); // 关键词出队
if(record[first_key] == 0) { // 如果该关键词没了
already_found = false;
need_key = first_key; // 记录需要寻找的关键词
}
else { // 少了词语，但是还包含所有关键词，说明这是一个更短的摘要
min_len--;
min_index_first ++;
cout << "更短的摘要" << endl;
cout << "min len: " << min_len << endl;
for(int i=min_index_first; i<=min_index_last; i++)
cout << str[i] << " ";
cout << endl;
cout << "---------------------------------------------" << endl;
}
}
else { // 需要向后面找满足条件的关键词
if(index >= len_str) { // 不可能找到需要的关键词了
break;
}
else if(record.find(str[index]) == record.end()) { // 不是关键词
index++;
}
else { // 是关键词
record[str[index]] = record[str[index]]+1;
store.push_back(index);
if(str[index] == need_key) { // 正好还是需要找到的关键词
already_found = true;
if((store.back()-store.front() + 1) < min_len) { // 新的摘要更短
min_len = store.back() - store.front() + 1;
min_index_first = store.front();
min_index_last = store.back();
// 更短的摘要
cout << "更短的摘要" << endl;
cout << "min len: " << min_len << endl;
for(int i=min_index_first; i<=min_index_last; i++)
cout << str[i] << " ";
cout << endl;
cout << "---------------------------------------------" << endl;
}
else {
cout << "并非更短的摘要" << endl;
cout << "min len: " << store.back() - store.front() + 1 << endl;
for(int i=store.front(); i<=store.back(); i++)
cout << str[i] << " ";
cout << endl;
cout << "---------------------------------------------" << endl;
}
}
index++;
} // else
} // else
} // while
} // else
// 输出结果
}
int main() {
// string keyword[] = { "微软", "计算机", "亚洲", "中国"};
string keyword[] = { "微软", "计算机", "亚洲"};
string str[] = {
"微软","亚洲","研究院","成立","于","1998","年","，","我们","的","使命",
"是","使","未来","的","计算机","能够","看","、","听","、","学","，",
"能","用","自然语言","与","人类","进行","交流","。","在","此","基础","上",
"，","微软","亚洲","研究院","还","将","促进","计算机","在","亚太","地区",
"的","普及","，","改善","亚太","用户","的","计算","体验","。","”"
};
int len_keyword = sizeof(keyword)/sizeof(string);
int len_str = sizeof(str)/sizeof(string);
find_min_len_abstract(str, keyword, len_str, len_keyword);
system("PAUSE");
return 0;
}
输出结果如下：
4. 参考
最短摘要的生成 http://www.cnblogs.com/flyinghearts/archive/2011/03/24/1994453.html
