news 2026/7/30 4:13:30

第 484 场周赛Q3——3805. 统计凯撒加密对数目

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
第 484 场周赛Q3——3805. 统计凯撒加密对数目

题目链接:3805. 统计凯撒加密对数目(中等)

算法原理:

解法:哈希表

215ms击败16.95%

时间复杂度O(N∗M)

时间长主要是因为使用了StringBuffer~

通过观察不难发现,其实只要两个字符串中各个字符相对于自己字符串的首字符的相对偏移量不变,那么这两个字符串就能通过若干次变化成为相同的字符串,那么我们就可以通过记录这个相对偏移量而规定成偏移量特征码,只要两个字符串的特征码相同,它们就能成为相同字符串

①用Map收集各个特征码出现的次数,由于题目要的是对数,需要两两成对,那么最终结果只需要加上该特征码能形成的对数即可,比如这个特征码出现c次,那么可以形成的对数就可以表示为c×(c-1)/2

②用数字记录偏移量,要记得+26再去%26,能避免负数还能自然的完成从‘z’到'a'的转换

③用StringBuffer记录特征码,为了防止1和12拼接在一起可能会造成11和2拼接的误差,所以中间再多拼接一个“,”

Java代码:

class Solution { public long countPairs(String[] words) { //存储偏移量特征码 Map<String,Integer> hash=new HashMap<>(); for(String s:words){ char ch=s.charAt(0); StringBuffer sb=new StringBuffer(); for(char c:s.toCharArray()){ int offset=(c-ch+26)%26; sb.append(offset).append(","); } hash.put(sb.toString(),hash.getOrDefault(sb.toString(),0)+1); } long ret=0; for(int count:hash.values()) ret+=(long)count*(count-1)/2; return ret; } }
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/7/26 12:25:46

StructBERT情感分析在客户反馈处理中的应用与评测

StructBERT情感分析在客户反馈处理中的应用与评测 1. 引言&#xff1a;中文情感分析的业务价值与挑战 在数字化服务日益普及的今天&#xff0c;企业每天都会收到来自社交媒体、客服系统、电商平台等渠道的海量客户反馈。如何高效地从这些非结构化文本中提取有价值的情绪信息&…

作者头像 李华
网站建设 2026/7/28 13:10:02

中文情感分析最佳实践:StructBERT参数调优指南

中文情感分析最佳实践&#xff1a;StructBERT参数调优指南 1. 引言&#xff1a;中文情感分析的现实挑战与技术选型 在社交媒体、电商评论、客服对话等场景中&#xff0c;中文情感分析已成为企业洞察用户情绪、优化服务体验的核心能力。相比英文文本&#xff0c;中文语言具有更…

作者头像 李华
网站建设 2026/7/28 1:40:59

StructBERT实战:企业客服系统情感分析模块部署教程

StructBERT实战&#xff1a;企业客服系统情感分析模块部署教程 1. 引言 1.1 中文情感分析的业务价值 在现代企业服务架构中&#xff0c;客户反馈是优化产品与提升服务质量的核心依据。尤其在电商、金融、在线教育等行业&#xff0c;每天都会产生海量的用户评论、客服对话和社…

作者头像 李华
网站建设 2026/7/28 11:28:58

中文文本情绪识别模型部署:StructBERT轻量版指南

中文文本情绪识别模型部署&#xff1a;StructBERT轻量版指南 1. 引言&#xff1a;中文情感分析的现实价值 在社交媒体、电商评论、客服对话等场景中&#xff0c;海量中文文本背后蕴含着用户真实的情绪反馈。如何快速、准确地识别这些情绪倾向&#xff0c;已成为企业洞察用户需…

作者头像 李华
网站建设 2026/7/28 8:50:20

中文情感分析WebUI搭建:StructBERT轻量部署案例详解

中文情感分析WebUI搭建&#xff1a;StructBERT轻量部署案例详解 1. 引言&#xff1a;中文情感分析的现实需求与挑战 在社交媒体、电商评论、客服对话等场景中&#xff0c;用户生成的中文文本蕴含着丰富的情绪信息。如何自动识别这些文本的情感倾向——是正面赞扬还是负面抱怨…

作者头像 李华
网站建设 2026/7/28 7:11:35

StructBERT性能调优:提升推理速度的5个技巧

StructBERT性能调优&#xff1a;提升推理速度的5个技巧 1. 背景与挑战&#xff1a;中文情感分析的工程落地需求 在自然语言处理&#xff08;NLP&#xff09;的实际应用中&#xff0c;中文情感分析是企业级服务中最常见的需求之一。无论是电商平台的用户评论分析、客服系统的自…

作者头像 李华