在NLP任务中，神经网络模型的训练和预测都需要借助词表来对句子进行表示。传统构造词表的方法，是先对各个句子进行分词，然后再统计并选出频数最高的前N个词组成词表。通常训练集中包含了大量的词汇，以英语为例，总的单词数量在17万到100万左右。出于计算效率的考虑，通常N的选取无法包含训练集中的所有词。因而，这种方法构造的词表存在着如下的问题： 实际应用中，模型预测的词汇是开放的，对于未在词表中出现的词

原题链接：https://vjudge.net/problem/UVA-536 分类：树 备注：水题 代码如下： #include<cstdio>#include<string>#include<iostream>using namespace std;string PreOrder, InOrder;void dfs(int L1, int R1, int L2, int R2)