2026年新媒体平台技术岗位的招聘与面试题.docxVIP

第PAGE页共NUMPAGES页

2026年新媒体平台技术岗位的招聘与面试题

一、编程与算法题（3题，每题20分，共60分）

1.题目：

假设你正在开发一个短视频推荐系统，需要实现一个函数`recommend_videos(user_id,video_ids,timestamp)`，该函数根据用户ID、视频ID列表和时间戳，返回用户可能感兴趣的3个视频ID。推荐逻辑如下：

-优先推荐用户最近观看过的视频。

-若用户未观看过某视频，则根据视频的点赞数和发布时间进行推荐。

-若点赞数相同，优先推荐发布时间较早的视频。

请用Python实现该函数，并说明时间复杂度。

答案与解析：

python

defrecommend_videos(user_id,video_ids,timestamp,watch_history,video_stats):

watch_history:{user_id:[watched_video_ids]}

video_stats:{video_id:[like_count,publish_timestamp]}

Step1:Checkifuserhaswatchedvideos

watched_videos=watch_history.get(user_id,[])

recommended=[]

forvideo_idinwatched_videos:

iflen(recommended)=3:

break

recommended.append(video_id)

Step2:Recommendunwatchedvideos

unwatched_videos=[vidforvidinvideo_idsifvidnotinwatched_videos]

iflen(recommended)3:

Sortunwatchedvideosbylike_countdescending,thenpublish_timestampascending

unwatched_videos.sort(key=lambdax:(-video_stats[x][0],video_stats[x][1]))

recommended.extend(unwatched_videos[:3-len(recommended)])

returnrecommended

时间复杂度分析：

-`watch_history.get(user_id)`：O(1)

-`unwatched_videos.sort()`：O(NlogN)，N为未观看视频数量

总体复杂度为O(NlogN)，适用于视频库规模较大但未观看视频较少的场景。

2.题目：

设计一个高效的数据结构，支持以下操作：

-`add_edge(node1,node2)`：添加一条从node1到node2的边。

-`remove_edge(node1,node2)`：删除一条从node1到node2的边。

-`has_edge(node1,node2)`：判断是否存在从node1到node2的边。

要求在所有操作中保持时间复杂度尽可能低。

答案与解析：

可以使用哈希表存储边的映射关系：

python

classGraph:

def__init__(self):

self.edges={}

defadd_edge(self,node1,node2):

ifnode1notinself.edges:

self.edges[node1]=set()

self.edges[node1].add(node2)

defremove_edge(self,node1,node2):

ifnode1inself.edgesandnode2inself.edges[node1]:

self.edges[node1].remove(node2)

ifnotself.edges[node1]:

delself.edges[node1]

defhas_edge(self,node1,node2):

returnnode1inself.edgesandnode2inself.edges[node1]

时间复杂度分析：

-`add_edge`：O(1)

-`remove_edge`：O(1)

-`has_edge`：O(1)

适用于动态图场景，如社交关系网络。

3.题目：

实现一个LRU（LeastRecentlyUsed）缓存，支持以下操作：

-`get(key)`：返回键