百度 2015 机器学习/数据挖掘工程师(​天津、深圳、南京等)
技术研发
本套题共3题,暂无参考答案
题目详情
第1题

简答题

1. new 和 malloc 的区别。 

2. hash冲突是指什么?怎么解决?给两种方法,写出过程和优缺点。 

3. 命中的概率是 0.25,若要至少命中一次的概率不小于 0.75,则至少需要几次?

 

 



第2题

算法设计题

1. 用C/C++写一个归并排序。 

数据结构为struct Node{int v; Node *next};

接口为 Node * merge_sort(Node *);

  

2. 设计S型层次遍历树的算法,比如根节点是第一层,第二层从左至右遍历,第三层从右至左遍历,第四层再从左至右遍历,以此类推。

举例:应依次输出 1 2 3 6 5 4 7 8 9。

 

3. 一个url文件,每行是一个url地址,可能有重复。

(1)统计每个url的频次,设计函数实现实现。

(2)设有10亿url,平均长度是20,现在机器有8G内存,怎么处理,写出思路。

 

 



第3题

系统设计题

自然语言处理中的中文分词问题,前向最大匹配算法(FMM)。

注:题目举例说明了FMM的基本思想。

  

(1)设计字典的数据结构 struct dictnote。

 

(2)用C/C++实现FMM,可选接口为

int FMM(vector<string> iLetters, dictnode *iRoot, vector<int> *oResults);

其中 iLetters 为待分词的句子,比如 {“小”,“明”,“今”,“天”,“买”,“了”,“i”,“p”,“o”,“n”,“e”,“6”},

iRoot 是字典, oResults 保存输出结果,即分词的位置。也可以自己设计接口。


(3)收集了一些手机品牌的字典,如{iphone, 诺基亚}。

现在要求查找包含这些手机品牌的网页,比如包含 iphone6, 诺基亚 9973 等。

怎么修改FMM实现这个功能,可以写伪代码。



共有 3 道题目