[CareerCup] 17.14 Unconcatenate Words 断词
17.14 Oh, no! You have just completed a lengthy document when you have an unfortunate Find/Replace mishap. You have accidentally removed all spaces, punctuation, and capitalization in the document. A sentence like "I reset the computer. It still didn't boot!" would become "iresetthecomputeritstilldidntboot". You figure that you can add back in the punctation and capitalization later, once you get the individual words properly separated. Most of the words will be in a dictionary, but some strings, like proper names, will not.
Given a dictionary (a list of words), design an algorithm to find the optimal way of "unconcatenating" a sequence of words. In this case, "optimal" is defined to be the parsing which minimizes the number of unrecognized sequences of characters.
For example, the string "jesslookedjustliketimherbrother" would be optimally parsed as "JESS looked just like TIM her brother". This parsing has seven unrecognized characters, which we have capitalized for clarity.
我们需要拆分字符串,LeetCode中有类似的题目Word Break II和Word Break,但是又有不同,这道题允许有无法拆分的单词,那么对于这种问题,我们的目的是使无效的字母越少越好,基本的解法见parseSimple()函数,该函数可以有两点优化:
1. 一些递归重复计算了,我们可以使用哈希表来保存之前计算好的最优拆分了,那么在之后的递归中遇到了直接取出来用就行了。
2. 在有些情况下我们可以预测一种拆分方式是否会生成无效单词,比如当我们拆分单词xten,没有单词是以xt开头的,但是当前的算法会计算xt+p(en),xten+p(n)和xten。每一次我们都会发现这样的单词不存在,这样我们直接在x后面加一个空格就可以了,那么我们怎么样知道没有单词是以xt开始的呢,用前缀树trie,参见parseOptimized()函数。
我们使用哈希表来缓存结果,关键字是单词的起始位置,我们保存了最佳的位置来拆分余下的字符串。我们可以让代码返回拆分好的字符串,但是比较麻烦。我们使用一个外包类Result来返回无效字符的个数和最优字符串,而在C++中就不用这样,因为可以通过引用传递。
import java.util.Hashtable;
import CtCILibrary.AssortedMethods;
import CtCILibrary.Trie; public class j {
public static String sentence;
public static Trie dictionary; public static Result parse(int start, int end, Hashtable<Integer, Result> cache) {
if (end >= sentence.length()) {
return new Result(end - start, sentence.substring(start).toUpperCase());
}
if (cache.containsKey(start)) {
return cache.get(start).clone();
}
String curWord = sentence.substring(start, end + 1);
boolean validPartial = dictionary.contains(curWord, false);
boolean validExact = validPartial && dictionary.contains(curWord, true); Result bestExact = parse(end + 1, end + 1, cache);
if (validExact) {
bestExact.parsed = curWord + " " + bestExact.parsed;
} else {
bestExact.invalid += curWord.length();
bestExact.parsed = curWord.toUpperCase() + " " + bestExact.parsed;
} Result bestExtend = null;
if (validPartial) {
bestExtend = parse(start, end + 1, cache);
} Result best = Result.min(bestExact, bestExtend);
cache.put(start, best.clone());
return best;
} public static int parseOptimized(int start, int end, Hashtable<Integer, Integer> cache) {
if (end >= sentence.length()) {
return end - start;
}
if (cache.containsKey(start)) {
return cache.get(start);
}
String curWord = sentence.substring(start, end + 1);
boolean validPartial = dictionary.contains(curWord, false);
int bestExact = parseOptimized(end + 1, end + 1, cache);
if (!validPartial || !dictionary.contains(curWord, true)) {
bestExact += curWord.length();
}
int bestExtend = Integer.MAX_VALUE;
if (validPartial) {
bestExtend = parseOptimized(start, end + 1, cache);
}
int min = Math.min(bestExact, bestExtend);
cache.put(start, min);
return min;
} public static int parseSimple(int start, int end) {
if (end >= sentence.length()) {
return end - start;
}
String word = sentence.substring(start, end + 1);
int bestExact = parseSimple(end + 1, end + 1);
if (!dictionary.contains(word, true)) {
bestExact += word.length();
}
int bestExtend = parseSimple(start, end + 1);
return Math.min(bestExact, bestExtend);
} public static String clean(String str) {
char[] punctuation = {',', '"', '!', '.', '\'', '?', ','};
for (char c : punctuation) {
str = str.replace(c, ' ');
}
return str.replace(" ", "").toLowerCase();
} public static void main(String[] args) {
dictionary = AssortedMethods.getTrieDictionary();
sentence = "As one of the top companies in the world, Google will surely attract the attention of computer gurus. This does not, however, mean the company is for everyone.";
sentence = clean(sentence);
System.out.println(sentence);
// parse
Result res = parse(0, 0, new Hashtable<Integer, Result>());
System.out.println(res.parsed);
System.out.println(res.invalid);
System.out.println();
// optimized parse
int v = parseOptimized(0, 0, new Hashtable<Integer, Integer>());
System.out.println(v);
}
} public class Result {
public int invalid = Integer.MAX_VALUE;
public String parsed = "";
public Result(int inv, String p) {
invalid = inv;
parsed = p;
} public Result clone() {
return new Result(this.invalid, this.parsed);
} public static Result min(Result r1, Result r2) {
if (r1 == null) {
return r2;
} else if (r2 == null) {
return r1;
}
return r2.invalid < r1.invalid ? r2 : r1;
}
}
在Java中使用动态规划要注意如何缓存对象,如果你缓存的是一个对象和不是primitive数据类型,那么很有可能需要克隆对象,如果你不克隆,那么在之后的操作过程中很有可能会无意的修改的缓存中的数值。
[CareerCup] 17.14 Unconcatenate Words 断词的更多相关文章
- CareerCup: 17.14 minimize unrecognized characters
Oh, no! You have just completed a lengthy document when you have an unfortu- nate Find/Replace misha ...
- CSS单词换行and断词
背景 某天老板在群里反馈,英文单词为什么被截断了? 很显然,这是我们前端的锅,自行背锅.这个问题太简单了,css里加两行属性,分分钟搞定. 1 2 word–break: keep–all; wo ...
- 数据访问安全--数据库遮罩及断词 Data Masking & Tokenization
现在大数据时代几乎无隐私,各政府部门各公司都要求实名制(动不动手机认证,身份证号码认证),但又无力确保数据安全,称为乱象. 其实在2011年,我们就接触过数据库遮罩断词产品,一个澳大利亚公司产品. 简 ...
- CSS单词换行and断词,你真的完全了解吗
背景 某天老板在群里反馈,英文单词为什么被截断了? 很显然,这是我们前端的锅,自行背锅.这个问题太简单了,css里加两行属性,分分钟搞定. 开心的提交代码,刷新页面.我擦,怎么还是没有断词?不可能啊! ...
- Latex 调整断字,连接符,取消断词/断字
latex使用了处理断字的算法去自动的找断字的地方,而且latex会调整单词间距,使得文章看起来不会显得疏密不一致.大多数情况下,这些算法都工作得很好.但是因为断字的算法是根据某种规则来处理单词的断字 ...
- [CareerCup] 17.2 Tic Tac Toe 井字棋游戏
17.2 Design an algorithm to figure out if someone has won a game oftic-tac-toe. 这道题让我们判断玩家是否能赢井字棋游戏, ...
- [CareerCup] 17.13 BiNode 双向节点
17.13 Consider a simple node-like data structure called BiNode, which has pointers to two other node ...
- [CareerCup] 17.12 Sum to Specific Value 和为特定数
17.12 Design an algorithm to find all pairs of integers within an array which sum to a specified val ...
- [CareerCup] 17.11 Rand7 and Rand5 随机生成数字
17.11 Implement a method rand7() given rand5(). That is, given a method that generates a random numb ...
随机推荐
- Socket通信客户端设计(Java)
public class Client extends JFrame implements Runnable{ private JPanel jPanel= new JPanel(); private ...
- Android使用JNI实现Java与C之间传递数据(转)
介绍Java如何将数据传递给C和C回调Java的方法. java传递数据给C,在C代码中进行处理数据,处理完数据后返回给java.C的回调是Java传递数据给C,C需要用到Java中的某个方法,就需 ...
- VIM学习笔记
参考: http://linux.chinaunix.net/techdoc/beginner/2009/12/20/1150108.shtml VIM命令大全 光标控制命令 命令 ...
- java基础之——类的初始化顺序
由浅入深,首先,我们来看一下,一个类初始化有关的都有些啥米: 静态成员变量.静态代码块.普通成员变量.普通代码块.构造器.(成员方法?貌似跟初始化没有啥关系) 现在我们来看看她们的初始化顺序, 从性质 ...
- (转载)Bash 中的特殊字符大全
转自:https://linux.cn/article-5657-1.html Linux下无论如何都是要用到shell命令的,在Shell的实际使用中,有编程经验的很容易上手,但稍微有难度的是she ...
- SQLserver删除某数据库中所有表 方法 二
方便删除数据库中所有的数据表,清空数据库,有些有约束,不能直接delete,需要先删除库中的约束,代码如下: --删除所有约束DECLARE c1 cursor for select 'alter t ...
- java判断字符串是否为数字或中文或字母
个人认为最好的方法 *各种字符的unicode编码的范围: * 汉字:[0x4e00,0x9fa5](或十进制[19968,40869]) * 数字:[0x30,0x39](或十进制 ...
- 【架构】MVP模型
MVP模型一般要创建三个文件夹:View.Interactor(Model).Presenter 每个部分都有其接口和实现类,就是为了方便回调 这里做一个登陆界面为例子: 接口: Interactor ...
- Appium Java Windows环境搭建篇
1. 安卓SDK及配置环境变量 1.1.先下载sdk安装包:installer_r24.4.1-windows.exe 下载地址:链接: http://pan.baidu.com/s/1dEyPSa9 ...
- bluetooth 蓝牙协议和标准,配置
Bluetooth 配置文件表达了一般行为,Bluetooth 设备可以通过这些行为与其它设备进行通信.Bluetooth 技术定义了广泛的配置文件,描述了许多不同类型的使用案例.为了使用 Bluet ...