百度(数据挖掘工程师)笔试题目.docVIP

百度(数据挖掘工程师)笔试题目 导语：了百度(数据挖掘工程师)题目，欢迎阅读！ 一. 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? 二. 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。 三. 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(vectoriLetters, dictnode *iRoot, vector*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。 模板,内容仅供参考