(3)改進

　　策略選擇最是重要，可以采用統(tǒng)計學習的方法改進。

　　4 題

　　(1)思路：用哈希做

　　(2) 首先逐次讀入查詢串，算哈希值，保存在內(nèi)存數(shù)組中，同時統(tǒng)計頻度(注意值與日志項對應(yīng)關(guān)系) my.chinahrlab.com 選出前十的頻度，取出對應(yīng)的日志串，簡單不過了。哈希的設(shè)計是關(guān)鍵。

　　5 題

　　(1)思路：先將集合按照大小排列后,優(yōu)先考慮小的集合是否與大的集合有交集。有就合并，如果小集合與所有其他集合都沒有交集，則獨立。獨立的集合在下一輪的比較中不用考慮。這樣就可以盡量減少字符串的比較次數(shù)。當所有集合都獨立的時候，就終止。

　　(2)處理流程：

　　1.將集合按照大小排序，組成集合合并待處理列表

　　2.選擇最小的集合，找出與之有交集的集合，如果有，合并之;如果無，則與其它集合是獨立集合，從待處理列表 中刪除。

　　3.重復直到待處理列表為空

　　算法：1。將集合按照大小從小到大排序,組成待處理的集合列表。 2。取出待處理集合列表中最小的集合，對于集合的每個元素，依次在其他集合中搜索是否有此元素存在：

　　1>若存在，則將此小集合與大集合合并，并根據(jù)大小插入對應(yīng)的位置 。轉(zhuǎn)3。

　　2>若不存在，則在該集合中取下一個元素。如果無下一個元素，即所有元素都不存在于其他集合。則表明此集合獨立，從待處理集合列表中刪除。并加入結(jié)果集合列表。轉(zhuǎn)3。

　　3。如果待處理集合列表不為空，轉(zhuǎn)2。

　　如果待處理集合列表為空，成功退出，則結(jié)果集合列表就是最終的輸出。

　　算法復雜度分析：

　　假設(shè)集合的個數(shù)為n，最大的集合元素為m 排序的時間復雜度可以達到nlog(n) 然后對于元素在其他集合中查找，最壞情況下為(n-1)m 查找一個集合是否與其他集合有交集的最壞情況是mm(n-1) 合并的時間復雜度不會超過查找集合有交集的最壞情況。所以最終最壞時間復雜度為O(mmnn)

　　需要說明的是：此算法的平均時間復雜度會很低，因為無論是查找還是合并，都是處于最壞情況的概率很小，而且排序后優(yōu)先用最小集合作為判斷是否獨立的對象，優(yōu)先與最大的集合進行比較，這些都最大的回避了最壞情況。

　　(3)可能的改進：

　　首先可以實現(xiàn)將每個集合里面的字符串按照字典序進行排列，這樣就可以將查找以及合并的效率增高。另外，可能采取恰當?shù)臄?shù)據(jù)結(jié)構(gòu)也可以將查找以及合并等操作的效率得到提高。

　　1)此題10分

　　對任意輸入的正整數(shù)N，編寫C程序求N!的尾部連續(xù)0的個數(shù)，并指出計算復雜度。如：18!=6402373705728000，尾部連續(xù)0的個數(shù)是3。 　　(不用考慮數(shù)值超出計算機整數(shù)界限的問題)

　　2)此題10分 　　編寫一個C語言函數(shù)，要求輸入一個url，輸出該url是首頁、目錄頁或者其他url

　　如下形式叫做首頁：

　　militia.info/

　　www.apcnc.com.cn/

　　http://www.cyjzs.comwww.greena888.com/

　　www.800cool.net/

　　http://hgh-products.my-age.net/

　　如下形式叫做目錄頁：

　　thursdaythree.net/greenhouses--gas-global-green-house-warming/

　　http://www.mw.net.tw/user/tgk5ar1r/profile/

　　http://www.szeasy.com/food/yszt/chunjie/

　　www.fuckingjapanese.com/Reality/

　　請注意：

　　a) url有可能帶http頭也有可能不帶

　　b)動態(tài)url(即含有"?"的url)的一律不算目錄頁，如：

　　www.buddhismcity.net/utility/mailit.php?l=/activity/details/3135/

　　www.buddhismcity.net/utility/mailit.php?l=/activity/details/2449/

　　另：如果你會linux，請用linux下的grep命令實現(xiàn)第2題的功能(附加5分)。

　　3)此題40分

　　如果必須從網(wǎng)頁中區(qū)分出一部分"重要網(wǎng)頁"(例如在10億中選8億)，比其他網(wǎng)頁更值得展現(xiàn)給用戶，請?zhí)岢鲆环N方案。

　　4)此題40分

　　假設(shè)有10億網(wǎng)頁已經(jīng)被我們存下來，并提供如下信息：網(wǎng)頁全文(即網(wǎng)頁的源碼)、全文長度、網(wǎng)頁正文(即網(wǎng)頁中提取的主體文字)、正文長度，以及其他網(wǎng)頁提取物等，現(xiàn)在希望去掉其中的重復網(wǎng)頁，請?zhí)岢隹尚械姆桨�，計算出每個網(wǎng)頁對應(yīng)的重復度，你可以自己對網(wǎng)頁重復下定義，也可以提出需要哪些更多的網(wǎng)頁提取物來實現(xiàn)更好的去重復方案。

閱讀了本文，本站還為你提供以下更多相關(guān)文章：

DHL筆試經(jīng)驗

百度產(chǎn)品類筆試經(jīng)驗

奇虎360筆試（產(chǎn)品類）經(jīng)驗