当前位置: 首页 > article >正文

洛谷 P1381 单词背诵

题目描述灵梦有 n 个单词想要背但她想通过一篇文章中的一段来记住这些单词。文章由 m 个单词构成她想在文章中找出连续的一段其中包含最多的她想要背的单词重复的只算一个。并且在背诵的单词量尽量多的情况下还要使选出的文章段落尽量短这样她就可以用尽量短的时间学习尽可能多的单词了。每个单词仅包含小写字母。输入格式第 1 行一个数 n接下来 n 行每行是一个长度不超过 10 的字符串表示一个要背的单词。接着是一个数 m然后是 m 行长度不超过 10 的字符串每个表示文章中的一个单词。输出格式输出文件共 2 行。第 1 行为文章中最多包含的要背的单词数第 2 行表示在文章中包含最多要背单词的最短的连续段的长度。输入输出样例输入 #1复制3 hot dog milk 5 hot dog dog milk hot输出 #1复制3 3说明/提示数据规模与约定对于 30% 的数据n≤50m≤500对于 60% 的数据n≤300m≤5000对于 100% 的数据1≤n≤10001≤m≤105。#includebits/stdc.h using namespace std; unordered_setstring mp; unordered_setstring tmp; const int N1e510; int n,m; int kind; string k[N]; unordered_mapstring,int cnt; int main() { cinn; for(int i1;in;i) { string s; cins; mp.insert(s); } cinm; for(int i1;im;i) { cink[i]; if(mp.count(k[i])) { tmp.insert(k[i]); } } couttmp.size()endl; if(tmp.empty()) { cout0endl; return 0; } int ansN; for(int l1,r1;rm;r) { if(!tmp.count(k[r])) continue; cnt[k[r]]; if(cnt[k[r]]1) kind; while(kindtmp.size()) { ansmin(ans,r-l1); cnt[k[l]]--; if(cnt[k[l]]0) kind--; l; } } coutansendl; return 0; }

相关文章:

洛谷 P1381 单词背诵

题目描述灵梦有 n 个单词想要背,但她想通过一篇文章中的一段来记住这些单词。文章由 m 个单词构成,她想在文章中找出连续的一段,其中包含最多的她想要背的单词(重复的只算一个)。并且在背诵的单词量尽量多的情况下&…...

批量归一化基础:让模型训练更稳定

文章目录前言一、没BN的深度学习有多难?先懂痛点再学技术1.1 内部协变量偏移:网络每层都在“乱变”1.2 梯度消失与爆炸:深层网络的“拦路虎”1.3 调参难如登天:对初始化和学习率极度敏感二、批量归一化到底是什么?一句…...

常见网络攻击

DDoS攻击,CC攻击 CC攻击 DDoS的一种 发送大量的合法请求消耗应用层的资源(CPU,内存,数据等),耗尽资源,比如在教务网站中写死循环脚本持续访问某个资源,无技术难度 防御: 对同IP限流,验证码,行为分析 DDoS 全名分布式拒绝攻击,攻击者控制大量僵尸设备(被植入病毒的电脑,服…...

NaViL-9B多模态模型应用:智能识别图片内容,轻松实现图文对话

NaViL-9B多模态模型应用:智能识别图片内容,轻松实现图文对话 1. NaViL-9B模型概述 NaViL-9B是上海人工智能实验室研发的原生多模态大语言模型,具备同时处理文本和图像信息的能力。与传统的单一模态模型不同,NaViL-9B能够理解图片…...

从linspace到logspace:Matlab新手必须掌握的两种‘间距’生成函数对比指南

从linspace到logspace:Matlab新手必须掌握的两种‘间距’生成函数对比指南 刚接触Matlab的工程师或科研人员,常常会被各种数据生成函数弄得眼花缭乱。特别是在需要创建特定间隔的数值序列时,linspace和logspace这两个看似简单的函数&#xff…...

企业级大模型API中转站实测对比:主线、备线怎么排更合理

很多团队做大模型接入时,会先问一个看起来很直接的问题:哪家 API 中转站更强。可只要项目进入正式阶段,你就会发现,这个问题本身问得还不够工程化。更现实的问法通常是:谁适合做主线,谁适合做备线&#xff…...

品牌却从未出现在 AI 搜索回答推荐中

说真的,现在绝大多数品牌在 AI 搜索里拿不到曝光,根本不是内容发的少,也不是全网营销做的不好,是从根上就没搞懂,AI 搜索选内容、推品牌的逻辑,和传统的全网营销,完全是两码事。截至 2025 年 12…...

Flux Sea Studio 性能基准测试:不同GPU型号下的生成速度对比

Flux Sea Studio 性能基准测试:不同GPU型号下的生成速度对比 最近在折腾AI生图,特别是用Flux Sea Studio,发现一个挺实际的问题:选什么GPU?是咬牙上顶配的RTX 4090,还是性价比更高的RTX 3080?它…...

证券行业-股票行情指标模型的简单介绍

在证券行业,股票行情指标模型是连接“数据”与“决策”的桥梁。它不仅仅是看K线,而是通过一套标准化的数学逻辑,将无序的价格波动转化为可执行的交易信号。这些模型主要分为技术分析模型(看图择时)和量化因子模型&…...

2026 最新 从零搭建本地大模型 RAG 知识库问答系统:基于 Llama 3.2 8B 量化版 + LangChain+Chroma,全流程代码实操 + 踩坑指南

2026最新 从零搭建本地大模型RAG知识库问答系统:基于Llama 3.2 8B量化版LangChainChroma,全流程代码实操踩坑指南 【本文首发CSDN,未经授权禁止转载】 文章目录 文章目录2026最新 从零搭建本地大模型RAG知识库问答系统:基于Llam…...

餐饮零售AI视觉助手Ostrakon-VL-8B:开箱即用,一键部署实战

餐饮零售AI视觉助手Ostrakon-VL-8B:开箱即用,一键部署实战 1. 为什么选择Ostrakon-VL-8B? 在餐饮零售行业,每天都有大量视觉数据需要处理:货架商品、门店环境、价格标签等。传统人工检查方式效率低、成本高且容易出错…...

STEP3-VL-10B惊艳效果:手写体+印刷体混合文档端到端识别与语义整合

STEP3-VL-10B惊艳效果:手写体印刷体混合文档端到端识别与语义整合 1. 引言 想象一下,你手头有一份会议记录,上面既有打印的会议议程,又有参会者手写的笔记和批注。或者是一份学生作业,题目是印刷体,答案却…...

一键部署Pi0具身智能:快速体验3.5B参数模型,生成标准机器人控制数据

一键部署Pi0具身智能:快速体验3.5B参数模型,生成标准机器人控制数据 1. Pi0具身智能模型简介 Pi0(π₀)是Physical Intelligence公司开发的视觉-语言-动作(VLA)基础模型,代表了当前具身智能领…...

YOLOv10镜像体验:开箱即用的目标检测环境,省心又高效

YOLOv10镜像体验:开箱即用的目标检测环境,省心又高效 1. 为什么选择YOLOv10镜像 在目标检测领域,环境配置一直是开发者面临的最大痛点之一。我曾经花费整整两天时间调试CUDA版本与PyTorch的兼容性问题,这种经历相信很多同行都深有…...

2026企业文档选型白皮书:功能、技术栈、私有化部署与采购建议

核心结论:企业文档工具市场年复合增长率达46.7%。对于有数据安全、二次开发需求的企业,支持私有化部署源码开放的方案(如JVS企业文档)已成为技术团队的优先选择。本文基于11款主流产品深度评测,提供功能对比矩阵、技术…...

从零搭建个人知识库问答系统:我的 Spring AI + RAG 学习实践

一个基于 Spring AI 和 RAG 技术的个人知识库问答 Agent 项目分享 地址:nestNe/personal-knowledge-rag: 基于SpringAI,通过上传自己的知识库,创建个性化的模型回答问题https://github.com/nestNe/personal-knowledge-rag目前还在开发中&…...

LLM生成代码如何逃过SAST/SCA检测?:一文拆解3层语义级审查盲区与可落地的增强审查Checklist(含YAML模板)

第一章:LLM生成代码如何逃过SAST/SCA检测?:一文拆解3层语义级审查盲区与可落地的增强审查Checklist(含YAML模板) 2026奇点智能技术大会(https://ml-summit.org) 大语言模型生成的代码常在语法合法、结构合规的前提下…...

告别AD7689!用STM32双SPI同步采集,低成本升级到16通道AD7616的实战指南

从AD7689到AD7616:基于STM32双SPI的16通道同步采集系统实战 在工业自动化、医疗设备和测试测量领域,多通道高精度数据采集系统的需求日益增长。许多工程师最初会选择AD7689这类单通道ADC作为解决方案,但随着项目复杂度提升,通道扩…...

SerialPlot终极指南:3分钟快速上手串口数据可视化工具

SerialPlot终极指南:3分钟快速上手串口数据可视化工具 【免费下载链接】serialplot Small and simple software for plotting data from serial port in realtime. 项目地址: https://gitcode.com/gh_mirrors/se/serialplot 你是否曾面对串口输出的海量数字数…...

用陶晶驰串口屏和STM32F407做个简易扫频仪:手把手教你绘制幅频特性曲线

用陶晶驰串口屏和STM32F407打造扫频仪:从硬件搭建到曲线绘制的完整指南 在电子测量领域,扫频仪是分析电路频率响应的基础工具。商用设备往往价格昂贵,而利用陶晶驰串口屏和STM32F407开发板,我们可以构建一个成本低廉但功能完备的简…...

行业词典融入:提升gte-base-zh在垂直领域的语义理解

行业词典融入:提升gte-base-zh在垂直领域的语义理解 最近在做一个金融领域的智能问答项目,用到了gte-base-zh这个中文通用文本嵌入模型。模型本身效果不错,但一遇到“量化宽松”、“M2增速”、“同业存单”这类专业术语,语义抓取…...

TMS320F28335实战:IQmath库从安装到三角函数应用全解析

TMS320F28335实战:IQmath库从安装到三角函数应用全解析 在嵌入式系统开发中,实时计算能力往往决定着整个系统的性能上限。德州仪器(TI)的TMS320F28335作为一款广泛应用于工业控制、电机驱动和电力电子领域的DSP芯片,其强大的浮点运算单元(FPU…...

保姆级教学:Sambert多情感语音合成镜像部署与使用全攻略

保姆级教学:Sambert多情感语音合成镜像部署与使用全攻略 1. 准备工作:了解Sambert语音合成镜像 Sambert多情感中文语音合成镜像是一个开箱即用的语音生成解决方案,基于阿里达摩院研发的Sambert-HiFiGAN模型构建。这个镜像已经预先解决了常见…...

抖音无水印下载终极指南:douyin-downloader 让你的视频素材管理更简单

抖音无水印下载终极指南:douyin-downloader 让你的视频素材管理更简单 【免费下载链接】douyin-downloader A practical Douyin downloader for both single-item and profile batch downloads, with progress display, retries, SQLite deduplication, and browser…...

Clawdbot代理网关快速上手:5分钟部署Qwen3:32B本地大模型

Clawdbot代理网关快速上手:5分钟部署Qwen3:32B本地大模型 1. 为什么选择ClawdbotQwen3:32B组合 在本地部署大语言模型时,开发者常面临两个核心痛点:一是缺乏友好的交互界面,二是模型管理复杂。Clawdbot代理网关与Qwen3:32B的组合…...

vue openlayers地图加载大量点位时优化

vue openlayers地图加载大量点位时优化 如果一次性加载上万个带标题的点位,会造成地图卡顿, 优化方法是只加载当前视口内的点位,且只显示屏幕中心的点位的标题, 每次拖动地图只加载视口内的点位 工具类OlViewportPointUtil.js import VectorLayer from ol/layer/Vector; import…...

SAP硬件选择详解:服务器、存储与网络的全面解析

硬件作为SAP系统的基石,涵盖了服务器、磁盘存储系统以及网络设备等多个组件。硬件包括服务器、存储、网络设备,共同构建SAP架构。这些硬件组件必须协同工作,才能构建出高效稳定的SAP基础架构。选择硬件提供商的重要性不容忽视。选择提供商要考…...

清音刻墨Qwen3进阶技巧:参数调整与批量处理功能详解

清音刻墨Qwen3进阶技巧:参数调整与批量处理功能详解 1. 引言:从基础到进阶 如果你已经体验过清音刻墨Qwen3字幕对齐系统的基础功能,可能会惊叹于它"字字精准,秒秒不差"的自动对齐能力。但这款基于Qwen3-ForcedAligner…...

大疆M4系列+YOLOV8识别算法 如何训练无人机罂粟识别检测数据集 让非法种植无处可藏:无人机+AI罂粟识别数据集发布,覆盖花期/果期多阶段检测 无人机俯拍+AI识别罂粟

无人机俯拍AI识别罂粟,准确率超95%!,助力禁毒攻坚》​ 《科技禁毒再升级!YOLO实测mAP 83.9%》​ 《让非法种植无处可藏:无人机AI罂粟识别数据集发布,覆盖花期/果期多阶段检测 智慧巡检 {专业级AI巡查无人机…...

2026年6月PMP考试最后两个月:想上岸?先把这5件事搞明白!

办公室小刘在群里发了一条消息,气氛瞬间紧张起来: “刚收到基金会通知,4月16日早上10点抢考位!大家准备好没有?” 群里十几个人,只有两个人回了“准备好了”。其他人不是没完成英文报名,就是连基…...