百度校招数据挖掘工程师笔试题和面试题答案目

更新时间:2023-07-14 21:07:56文/高考志愿库

  笔试时间:2015-9-20

  笔试职位:机器学习/数据挖掘工程师

  笔试城市:天津、深圳、南京等

  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(vector iLetters, 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。

中国点击率最高的一篇文章 !