Ｃ言語についての質問です。
Ｃ言語で英文X,Y,ZでＹ，ＺのどちらがＸに近いかを判定するプログラムをX.txtに出現する単語において、その出現数と、Y.txt(Z.txt)における出現数を掛け算し、その総和が大きい方を類似度の高い文章とするという手法でコードを書いたのですがtheやaによって誤差が出るようなので単語長が５以上のものについてだけ調べるようにしたいのですがうまくいきません以下にコードを示すのでどのように変更したらいいか教えてください。また、ほかに何か精度を上げる方法があれば教えて下さい。
#include <stdio.h>
#include <string.h>
#include <malloc.h>
struct WordList
{
int count;/*出現数*/
char word[ 64 ];/*単語文字列*/
};
/*単語リストを作成する*/
bool makeWordList( const char* fileName, WordList** list, int* listSize )
{
FILE* stream = fopen( fileName, "r" );
if( !stream )
{
return false;
}
char buffer[ 256 ];/*１行は255文字まで*/
while( fgets( buffer, sizeof( buffer ), stream ) )
{
const char sep[] = " ,.;:\"\'\t\r\a\n";
char* word = strtok( buffer, sep );
while( word )
{
/*既に登録済みの単語を検索して見つかったら出現数＋１*/
int ii;
for( ii = 0; ii < *listSize; ii++ )
{
if( !strcmp( ( *list )[ ii ].word, word ) )
{
( *list )[ ii ].count++;
break;
}
}
/*新しい単語の場合は単語リストに登録する*/
if( ii >= *listSize )
{
*list = ( WordList* )realloc( *list, sizeof( WordList ) * ( *listSize + 1 ) );
memset( ( *list ) + *listSize,
0,
sizeof( WordList ) );
( *list )[ *listSize ].count = 1;
strncpy( ( *list )[ *listSize ].word,
word,
sizeof( ( *list )[ *listSize ].word ) - 1 );
++( *listSize );
}
word = strtok( NULL, sep );
}
}
fclose( stream );
return true;
}
/*単語リストを破棄する*/
void removeWordList( WordList** list )
{
if( *list )
{
free( *list );
*list = NULL;
}
}
/*単語リストから該当する単語を探す*/
int findList( WordList* list, int listSize, const char* word )
{
for( int ii = 0; ii < listSize; ii++ )
{
if( !strcmp( list[ ii ].word, word ) )
{
return list[ ii ].count;
}
}
return 0;
}
/*単語リストを比較する*/
int compareList( WordList* list1, int listSize1,
WordList* list2, int listSize2,
WordList* list3, int listSize3 )
{
printf( "X.txtに出現する単語(数)\tY.txt出現数(point)\tZ.txt出現数(point)\n" );
int count2 = 0;
int count3 = 0;
for( int ii = 0; ii < listSize1; ii++ )
{
/*単語の類似点＝X.txtでの単語の出現数×Y.txt(Z.txt)での出現数とする*/
/*X.txtの単語について全て上記の計算を行い、総和を文章の類似度とする*/
int temp2 = findList( list2, listSize2, list1[ ii ].word );
int temp3 = findList( list3, listSize3, list1[ ii ].word );
printf( "%s(%d)\t%d(%d)\t%d(%d)\n",
list1[ ii ].word,
list1[ ii ].count,
temp2,
temp2 * list1[ ii ].count,
temp3,
temp3 * list1[ ii ].count );
count2 += list1[ ii ].count * temp2;
count3 += list1[ ii ].count * temp3;
}
return count2 - count3;
}
int main()
{
WordList* listX = NULL;
WordList* listY = NULL;
WordList* listZ = NULL;
int listSizeX = 0;
int listSizeY = 0;
int listSizeZ = 0;
int result = 0;
do
{
if( !makeWordList( "B.txt", &listX, &listSizeX ) ) break;
if( !makeWordList( "B.txt", &listY, &listSizeY ) ) break;
if( !makeWordList( "BB.txt", &listZ, &listSizeZ ) ) break;
result = compareList( listX, listSizeX,
listY, listSizeY,
listZ, listSizeZ );
if( 0 < result ) printf( "故にB.txtのほうが類似している\n" );
else if( 0 > result ) printf( "故にBB.txtのほうが類似している\n" );
else printf( "故に類似度は同じ\n" );
}
while( false );
removeWordList( &listX );
removeWordList( &listY );
removeWordList( &listZ );
fflush(stdin);
getchar();
return 0;
}
