Algorithm 什么算法计算集合中公共元素的频率？

我想了解有关算法的信息，这些算法可以帮助识别重叠数据集之间的共性和差异

以stackoverflow的标签系统为例：

假设这个问题有5个标签。假设还有1000个其他问题至少有一个标签。在这1000个问题中，有多少问题有我的原始帖子没有的共同标签

另一种更简单的描述方式是自动建议标签系统：

“您用[5个我选择的标记]标记了您的问题。其他类似的问题用[list of tags that May's interest]标记。其中[list of tags that May's interest]经常出现在我的原始列表中不存在的标记

---

c#中的代码示例（如果可能：）

查看下注汉明距离。这是字符串上定义的汉明距离，表示将一个字符串转换为另一个字符串所需的编辑操作数

---

您还可以潜在地使用等价类和集合包含的偏序：当问题A和问题B具有完全相同的标记集进行重新排序时，它们是相等的、集合并集、集合差分和集合交集，然后定义用于<和>比较的偏序。

查看下注汉明距离。这是汉明距离字符串上的ance定义为将一个字符串转换为另一个字符串所需的编辑操作数

---

您还可以潜在地使用等价类和集合包含的偏序：当问题A和问题B具有完全相同的标记集进行重新排序时，它们是相等的、集合并集、集合差分和集合交集，然后定义用于<和>比较的偏序。

我不知道任何特定的算法或数据结构，但我可以提出一个基本的处理方法：

假设：每个条目有五个唯一的标记

• 收集包含五个标记中任何一个的所有条目（无重复项）
• 对于列表中的每个条目，为每个标记使用关联数组（哈希表），递增值
• 对于数组中的每个条目，将标记名附加到该数组的条目索引中

在（松散的）伪代码中，使用两个循环（如果可能）：

这应该会产生一个稀疏的串联标记名数组（好的，我没有包含分隔符，但它是伪代码：-）。保留最大的数字，然后向后迭代以获得最佳建议

（缓存进行优化，但注意更新）

---

Paul.

我不知道任何特定的算法或数据结构，但我可以建议一种基本的处理方法：

假设：每个条目有五个唯一的标记

• 收集包含五个标记中任何一个的所有条目（无重复项）
• 对于列表中的每个条目，为每个标记使用关联数组（哈希表），递增值
• 对于数组中的每个条目，将标记名附加到该数组的条目索引中

在（松散的）伪代码中，使用两个循环（如果可能）：

这应该会产生一个稀疏的串联标记名数组（好的，我没有包含分隔符，但它是伪代码：-）。保留最大的数字，然后向后迭代以获得最佳建议

（缓存进行优化，但注意更新）

保罗

for each entry
    if any tag in original_tags
        tag_list[tag]++
end

for next in tag_list
    tag_count[tag_list[next]] += next
end