2019百度校招數據挖掘工程師筆試題和面試題答案目

　　筆試時間：2015-9-20

　　筆試職位：機器學習/數據挖掘工程師

　　筆試城市：天津、深圳、南京等

　　一. 簡答題

　　1. new 和 malloc 的區別。

　　2. hash沖突是指什么?怎么解決?給兩種方法，寫出過程和優缺點。

　　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，則至少需要幾次?

　　二. 算法設計題

　　1. 用C/C++寫一個歸并排序。

　　數據結構為struct Node{int v; Node next};

　　接口為 Node merge_sort(Node );

　　2. 設計S型層次遍歷樹的算法，比如根節點是第一層，第二層從左至右遍歷，第三層從右至左遍歷，第四層再從左至右遍歷，以此類推。

　　舉例：應依次輸出 1 2 3 6 5 4 7 8 9。

　　3. 一個url文件，每行是一個url地址，可能有重復。

　　(1)統計每個url的頻次，設計函數實現實現。

　　(2)設有10億url，平均長度是20，現在機器有8G內存，怎么處理，寫出思路。

　　三. 系統設計題

　　自然語言處理中的中文分詞問題，前向最大匹配算法(FMM)。

　　注：題目舉例說明了FMM的基本思想。

　　(1)設計字典的數據結構 struct dictnote。

　　(2)用C/C++實現FMM，可選接口為

　　int FMM(vector iLetters, dictnode iRoot, vector oResults);

　　其中 iLetters 為待分詞的句子，比如 {“小”，“明”，“今”，“天”，“買”，“了”，“i”，“p”，“o”，“n”，“e”，“6”}，

　　iRoot 是字典， oResults 保存輸出結果，即分詞的位置。也可以自己設計接口。

　　(3)收集了一些手機品牌的字典，如{iphone, 諾基亞}。

　　現在要求查找包含這些手機品牌的網頁，比如包含 iphone6, 諾基亞 9973 等。

　　怎么修改FMM實現這個功能，可以寫偽代碼。