什么是程序设计第二小组答案

c++学习团队（ 张进昌 杜万智 王锴）第二次作业

一、一所大学，做一个学生信息管理系统，你觉得要怎么考虑？

学生管理系统需要处理的信息如学生的基本信息、每学年成绩

进行的主要操作时添加、删除和查找。

每个学生入学都会被分配一个学号，而且该学号是一组连续的值，所以可以用student类保存每个学生的信息和成绩。对学生的查询操作以按学号查询为主。而学号的编排是按照学校、学院、系、班级和个人组织的。所以可以按班级为单位建立一个student类动态数组，而把学院、系、班级用父子兄弟建立三级索引。另外，可以把学院、系、班级建立成索引存储到hash表中方便查询。

二、中学生英文作文，你怎么判断有多少错误单词？

判断单词是否错误，就必须参照字典。中学生英文作文，词汇量一般不会超过中学生课本的词汇表，大概有一万个单词。可以用平衡二叉树把这一万个单词组织起来，比如把第5000个单词作二叉树的根，把第2500个单词作为根的左子树，第7500个单词作为根的右子树，以次类推。另用hash表保存如系动词、助动词、语气词、代词等几百个常用单词。这样每从学生作文中读入一个单词，先在hash表中查询，如果没有则从字典的根开始比较，知道配备。否则，为错误单词。

三、对于两段中文文字，如果让你判断它们的相似程度，你觉得应该怎么判断？

分析问题：

语义的判定，经我们讨论还是要从语法结构的相似性来判断。

1、而两段中文文字的语义，可以分解为句子，在这两段中找到相关度最大的句子，判断它们的相似程度。

2、句子的语义相似性，需要把句子划分为主干。

3、最后，分析句子主干，就必须分析清楚词汇的相似性。

算法设计：

1、分词程序：

按照字典讲一句话的词汇按照内涵，分析清楚。比如“北京大学”不能被分解成“北京” “大学”两个词汇，另外像“非典型性肺炎”也不能分解为否定副词“非”和“典型性肺炎”。在字典中的词条要把同义词、反义词设为相关，比如“29届奥运会”和“北京奥运会为”同义词相关，“好”“坏”为反义相关。

2、分析句子相似性

先按照最简单的“主-谓-宾”为例。

a在第一段中，按顺序选定一句话

b按相关度最大原则，在第二段中找出对应的句子。

c分析这两句的相似性。

d重复a b c，直到第一段结束。

最大相关度，就是两句话的主语、谓语、宾语对应位置的词汇为同义、反义词。

最大相似性，就是两句话的主语同褒贬，谓语的否定副词个数加上宾语的否定修饰词个数奇偶性相同。

“我参加29届奥运会”和“我不能错过北京奥运会”语义一致。

“奇丑无比的她干坏事”与“美丽无比的她不做好事”语义相关，但相似性较差。

另外，像语法中的“把”字句和“被”字句；“杨贵妃是美女”和“美女是杨贵妃”这样集体名词、个体名词；“西施、杨贵妃、王昭君和貂蝉是四大美女” 和 “四大美女是西施、杨贵妃、王昭君和貂蝉”这样的定义与解释；语气词“吧” “呢” “吗” 应按照语义分配键值，来决定相似程度。

最后，按照相似性得出这两句话的相似值，0为最佳，反义最差。

3、分析段落

段落的相似度要依靠句子的相似度，将第2步中每句话的相似度取绝对值累加，如果与0接近就相似，差距很大就不想死。

总结

第三题分析效果的好坏，有几个决定因素：

1、分词词典的容量及精确度，需要大量的统计词汇使用习惯

2、对语法的深刻理解，各种句法、比喻、语气等

3、对文章组织结构的理解，如总分式等文章结构

本小组给出答案的不足：

算法考虑的是用语法结构的相似性来分析语义的相似性，这是一种方法，但明显很机械，而且没有考虑到文章的组织结构，一方面我们的语言学知识很有限，另一方面对自然语言处理得研究还不都。不足之处，希望老师不吝赐教！