2025年搜索算法工程师试题及答案.docxVIP

2025年搜索算法工程师试题及答案

一、选择题（每题3分，共30分）

1.在大规模分布式搜索系统中，以下哪种数据结构最适合用于倒排索引的存储与快速查询？（）

A.红黑树B.跳表C.有序数组+内存映射D.哈希表

答案：C

解析：红黑树和跳表适用于内存中的动态有序场景，但面对亿级以上的词条规模时，内存占用过高且磁盘IO性能差；哈希表虽查询快，但无法高效支持范围查询和前缀匹配。有序数组配合内存映射（MMAP）可将磁盘上的有序索引段直接映射到用户进程地址空间，既能通过二分查找快速定位词条，又能利用操作系统的页缓存机制优化IO，是分布式搜索系统中倒排索引的经典存储方案。

2.关于BM25算法，以下说法错误的是？（）

A.BM25是一种基于概率检索模型的排序算法

B.当文档长度越长时，BM25的文档长度归一化因子会对词条权重产生更明显的抑制

C.BM25的参数k1用于控制词条频率对权重的影响程度，k1越大，词条频率的边际增益越高

D.BM25会将文档中出现次数为0的词条权重设为负无穷

答案：D

解析：BM25的核心是基于“文档相关性与词条在文档中出现概率正相关”的概率假设，A选项正确；其文档长度归一化因子为（k1+1）tf/(k1(1-b+b|D|/avgdl)+tf)，当|D|远大于avgdl时，分母显著增大，词条权重被抑制，B选项正确；k1控