天梯赛-L1-064 估值一亿的AI核心代码 (20 分)--2019全国CCCC天梯赛L1题解

简介: 天梯赛-L1-064 估值一亿的AI核心代码 (20 分)--2019全国CCCC天梯赛L1题解

本文原创首发CSDN,链接 https://blog.csdn.net/qq_41464123/article/details/88926928 ,作者博客https://blog.csdn.net/qq_41464123 ,转载请带上本段文字,尤其是脚本之家、码神岛等平台,谢谢配合。


昨天参加了CCCC天梯赛,被L1的第八题坑到了,还有L2的第二题根本看不懂,L3更别说了,先把L1的题目补上,L2尽快补。

L1的题目主要就是第八题,其他的应该简单的把。

首先L1-8的题目是这样说的

 

  • 1.消除原文中多余空格:把相邻单词间的多个空格换成 1 个空格,把行首尾的空格全部删掉,把标点符号前面的空格删掉;
  • 2.把原文中所有大写英文字母变成小写,除了 I
  • 3.把原文中所有独立的 can youcould you 对应地换成 I canI could—— 这里“独立”是指被空格或标点符号分隔开的单词;
  • 4.把原文中所有独立的 Ime 换成 you
  • 5.把原文中所有的问号 ? 换成惊叹号 !

首先我提出几点疑意:

1.要求三的“原文”二字 指的是第二步基础之上的原文还是题目刚给出的原文

换句话说  输入如果是   CaN YoU  你该输出 I can  还是输出 can you ?(因为原文不满足第三个条件)

这样看来题目具有二义性,也可能是我个人理解问题

2.根据比赛现场实践,我发现第三个要求的“原文”的意思是在第二步基础之上的原文

比如输入输入如果是   CaN YoU  你必须输出 I can

你如果原样输出 那第3 5个例子会WA

3.那么问题就来了,如果第三点要求的“原文”意思是第二步基础上的原文,那第四个要求的“原文”是否指的是第三步基础上的原文呢?  不! 实践证明  第四个要求的“原文”是第二步操作后的原文,而不是第三步后的原文!!!

举个例子 如果按照题意顺序下来,那么如果输入can you,根据第三个要求变成 I can,再跟据第四个要求变成 you can

不,不是这样的,AC答案应该输出I can

4.样例数据其中第四个的输入三个空格,正确输出是AI:加一个空格,也就是除了每个样例都要输出的“AI: ”以外,只需要输出一个回车。

5.样例第二个  考点是标点符号中间有多个空格的情况   3分

比如输入aaa,     ,   aaaa

输出应该是aaa,,aaaa中间没有空格


本文原创首发CSDN,链接 https://blog.csdn.net/qq_41464123/article/details/88926928 ,作者博客https://blog.csdn.net/qq_41464123 ,转载请带上本段文字,尤其是脚本之家、码神岛等平台,谢谢配合。


最后的我的AC思路:(保证可以AC,不一定是最优解)

1.特判  如果都是空格的情况 直接输出回车 结束 -----第四个例子

2.先把所有的字符除了I转化成小写,顺带把   ?改成  !

3.把字符串的中间空格最多留一个,(PS:先不管标点符号前的空格)

4.把需要替换的替换掉  如me 、 I 、 can you 、could you

5.去掉首尾 的空格

6.输出的时候注意如果当前是空格,后面是标点 ,则不输出该空格,否则正常输出。

 

最后代码如下:

1. #include<iostream>
2. #include<algorithm>
3. #include<cstring>
4. #include<string>
5. #include<cmath>
6. using namespace std;
7. int d(char x)
8. {
9.  if (x >= 'A'&&x <= 'Z') return -1;
10.   if (x >= 'a'&&x <= 'z') return -2;
11.   if (x >= '0'&&x <= '9') return -3;
12.   if (x == ' ') return 2;
13.   return 1;
14. }
15. string low(string str)
16. {
17.   string b;
18.   b += " ";
19.   for (int i = 0; i < str.size(); i++)
20.   {
21.     if (str[i] >= 'A'&&str[i] <= 'Z'&&str[i] != 'I')
22.     {
23.       str[i] += 32;
24.     }
25.     if (str[i] == '?') str[i] = '!';
26.   }
27.   b += str;
28.   b += " ";
29.   str.clear();
30.   str += " ";
31.   for (int i = 1; i < b.size() - 1; i++)
32.   {
33.     if (b[i] == ' ' && b[i - 1] == ' ') continue;
34.     else if (d(b[i + 1]) == 1 && b[i] == ' ') continue;
35.     else  str += b[i];
36.   }
37.   str += " ";
38.   return str;
39. }
40. int main()
41. {
42.   int t, i, j, k;
43.   string str;
44.   cin >> t;
45.   getchar();
46.   while (t--)
47.   {
48.     getline(cin, str);
49.     cout << str << endl;
50.     cout << "AI: ";
51.     bool kong = false;
52.     for (i = 0; i < str.size(); i++)
53.     {
54.       if (str[i] != ' ')
55.       {
56.         kong = true;
57.         break;
58.       }
59.     }
60.     if (kong == false)
61.     {
62.       cout << endl;
63.       continue;
64.     }
65.     str = low(str);
66.     string temp;
67.     for (i = 0; i < str.size(); i++)
68.     {
69.       temp += str[i];
70.       if (d(str[i])>0 && str[i + 1] == 'm'&&str[i + 2] == 'e'&&d(str[i + 3])>0)
71.       {
72.         i += 2;
73.         temp += "you";
74.       }
75.       else if (d(str[i])>0 && str[i + 1] == 'I'&&d(str[i + 2])>0)
76.       {
77.         i++;
78.         temp += "you";
79.       }
80.       else if (d(str[i])>0 && str[i + 1] == 'c'&& str[i + 2] == 'a'&& str[i + 3] == 'n'&& str[i + 5] == 'y'&& str[i + 6] == 'o'&& str[i + 7] == 'u'&&d(str[i + 8])>0)
81.       {
82.         i += 7;
83.         temp += "I can";
84.       }
85.       else if (d(str[i])>0 && str[i + 1] == 'c'&& str[i + 2] == 'o'&& str[i + 3] == 'u'&& str[i + 4] == 'l'&& str[i + 5] == 'd'&&  str[i + 7] == 'y'&& str[i + 8] == 'o'&& str[i + 9] == 'u'&&d(str[i + 10])>0)
86.       {
87.         i += 9;
88.         temp += "I could";
89.       }
90.     }
91.     str = "";
92.     str += temp;
93.     //cout << str << endl;
94.     int len;
95.     for (i = str.size() - 1; i >= 0; i--)
96.     {
97.       if (str[i] != ' ')
98.       {
99.         len = i;
100.        break;
101.      }
102.    }
103.    int cnt = 0;
104.    for (i = 0; i <= len; i++)
105.    {
106.      if (i>0 && str[i] == ' '&& d(str[i + 1]) == 1)  continue;
107.      if (str[i] != ' ')  cout << str[i], cnt++;
108.      else if (cnt>0) cout << " ";
109.    }
110.    cout << endl;
111.  }
112.  return 0;
113. }

 


相关文章
|
11天前
|
人工智能 数据挖掘
AI长脑子了?LLM惊现人类脑叶结构并有数学代码分区,MIT大牛新作震惊学界!
麻省理工学院的一项新研究揭示了大型语言模型(LLM)内部概念空间的几何结构,与人脑类似。研究通过分析稀疏自编码器生成的高维向量,发现了概念空间在原子、大脑和星系三个层次上的独特结构,为理解LLM的内部机制提供了新视角。论文地址:https://arxiv.org/abs/2410.19750
53 12
|
18天前
|
人工智能 文字识别 API
OpenSearch & AI 开放平台,实现0代码图片搜索!
本文主要介绍了如何利用阿里云的 OpenSearch 和 AI 搜索开放平台来构建一个无需编写代码就能完成的图片搜索功能。
63 12
|
12天前
|
人工智能 搜索推荐 安全
数百名研发人员用通义灵码,33%新增代码由AI生成,信也科技研发模式焕新升级
目前,信也科技数百名研发人员正在使用通义灵码,周活跃用户占比70%,新增代码中有33%由通义灵码编写,整体研发效率提升了11%,真正实现了数百研发人员开发效能的全面提升。
|
26天前
|
机器学习/深度学习 人工智能 算法
【AI系统】AI 系统与程序代码关系
本文探讨了AI系统与程序代码之间的关系,通过PyTorch实现LeNet5神经网络模型为例,详细介绍了AI训练流程原理、网络模型构建方法、算子实现的系统问题以及AI系统执行的具体计算过程。文章不仅解释了神经网络的前向传播和反向传播机制,还深入分析了算子在AI框架中的作用及其底层实现,包括卷积层的具体计算和优化问题。此外,文章对比了使用PyTorch与直接使用cuDNN+CUDA编程实现神经网络模型的差异,强调了AI框架在提高开发效率、自动化内存管理和实现自动微分等方面的重要性。
34 1
|
28天前
|
人工智能 机器人 Shell
AI语音机器人安装方法 AI机器人安装代码
AI语音机器人安装方法 AI机器人安装代码
29 2
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
57 10
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
6天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
|
11天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
11天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
12月05日,由中国软件行业校园招聘与实习公共服务平台携手阿里魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·电子科技大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营