题目描述

江月诗平时喜欢刷短视频。为了给她推荐更精准的内容，你被要求开发一个简易的推荐算法，通过模拟她的操作记录，来计算她对各个视频特性标签（Tag）的最终兴趣得分。

用户对视频的操作分为四种：

• SHARE（分享）：强烈的正向反馈，视频包含的所有标签得分 $+3$。
• COIN（投币）：较强的正向反馈，视频包含的所有标签得分 $+2$。
• LIKE（点赞）：普通的正向反馈，视频包含的所有标签得分 $+1$。
• SKIP（划走）：负向反馈，视频包含的所有标签得分 $-1$。

为了捕捉用户的“上头”瞬间（即连续观看同类内容），系统引入了连击（Combo）机制：

• 每个标签都有一个独立的连击计数器，初始均为 $0$。
• 当用户执行正向反馈（SHARE, COIN, LIKE）时：
  1. 视频中包含的标签，其连击计数器 $+1$。一旦某个标签的连击计数器达到 $3$，该标签会触发“上头”奖励，兴趣得分立即额外 $+5$，随后该标签的连击计数器清零。
  2. 注意：视频中未包含的其他所有标签，其连击计数器全部清零（因为连续性被打断）。
• 当用户执行负向反馈（SKIP）时：
  • 打断了所有的浏览兴致，不论标签是否在当前视频中，所有标签的连击计数器全部清零。

所有标签的初始兴趣得分均为 $0$。现在给出江月诗连续浏览 $N$ 个视频的操作记录，请你计算出所有至少在记录中出现过一次的标签中，最终兴趣得分最高的标签。

输入格式

输入在第一行给出一个正整数 $N$（$1 \leq N \leq 10^4$），表示操作的视频数量。

随后 $N$ 行，每行描述一次视频浏览记录，格式为：ACTION K F_1 ... F_K

其中 ACTION 是 SHARE, COIN, LIKE, SKIP 中的一种；$K$（$1 \leq K \leq 10$）是该视频包含的特性标签数量；$F_i$ 是特性标签的编号（$1 \leq F_i \leq 1000$）。数字间以空格分隔。保证同一个视频中的标签编号互不相同。

输出格式

在一行中输出得分最高的特性标签编号和它的最终得分，数字间隔 1 个空格。如果有并列最高分，则输出编号最大的那个。题目保证 $N \geq 1$。

输入样例

6
LIKE 3 10 20 30
COIN 2 20 30
SKIP 1 10
SHARE 2 20 40
LIKE 2 20 50
COIN 1 20

输出样例

20 14

样例解释

• 初始状态：所有标签得分和连击均为 0。
• 第 1 次 (LIKE 10, 20, 30)：
  • 得分变为：10(1分), 20(1分), 30(1分)。
  • 连击变为：10(1连), 20(1连), 30(1连)。其他均清零。
• 第 2 次 (COIN 20, 30)：
  • 得分变为：10(1分), 20(3分), 30(3分)。
  • 连击变为：20(2连), 30(2连)。标签 10 未出现，连击清零。
• 第 3 次 (SKIP 10)：
  • 得分变为：10(0分)。
  • 连击变为：遇到 SKIP，所有标签连击清零（20和30的连击变为0）。
• 第 4 次 (SHARE 20, 40)：
  • 得分变为：20(6分), 40(3分)。
  • 连击变为：20(1连), 40(1连)。其他清零。
• 第 5 次 (LIKE 20, 50)：
  • 得分变为：20(7分), 50(1分)。
  • 连击变为：20(2连), 50(1连)。40的连击清零。
• 第 6 次 (COIN 20)：
  • 得分变为：20(9分)。
  • 连击变为：20(3连)。达到 3 连击，触发奖励，得分额外 +5。20 的最终得分为 $9 + 5 = 14$。连击随后清零。50的连击清零。

经过统计，标签 20 得分最高为 14 分。