发布于 2014-09-26 10:40:01 | 889 次阅读 | 评论: 1 | 来源: 网友投递

这里有新鲜出炉的精品教程,程序狗速度看过来!

百度(Baidu)中文搜索引擎

百度(Nasdaq简称:BIDU)是全球最大的中文搜索引擎,2000年1月由李彦宏、徐勇两人创立于北京中关村,致力于向人们提供“简单,可依赖”的信息获取方式。“百度”二字源于中国宋朝词人辛弃疾的《青玉案·元夕》词句“众里寻他千百度”,象征着百度对中文信息检索技术的执著追求。


2015百度校招用户行为分析研发工程师笔试题,感兴趣的同学参考下。

一、 简答题(本题共30分)
1. 当前计算机系统一般会采用层次结构来存储数据,请介绍下典型的计算机存储系统一般分为哪几个层次,为什么采用分层存储数据能有效提高程序的执行效率?(10分)
2. Unix/Linux系统中僵尸进程是如何产生的?有什么危害?为何避免?(10分)
3. 一道选择题有如下四个选项,假设你随机选一个答案,你的答案正确的概率是那个选项?
a) 25% b)50% c)60% d)25%
请解释你选择的原因。(10分)


二、 算法与程序设计题(本题共45分)
1. 使用C/C++语言写一个函数,实现字符串的反转,要求不能用任何系统函数,且时间复杂度最小,函数原型是 char* reverse_str(char* str)。(15分)
2. 给定一个如下格式的字符串(1,(2,3),(4,(5,6),7))括号内的元素可以是数字,也可以是另一个括号,请实现一个算法消除嵌套的括号,比如把上面的表达式变成:(1,2,3,4,5,6,7),如果表达式有误请报错。
3. 相似度计算用于衡量对象之间的相似程度,在数据挖据,自然语言处理中使一个基础性计算,在广告检索服务中往往也会判断网民检索Query和广告Adword 的主题相似度。假设Query 或者Adword 的主题属性定义为一个长度为10000 的浮点数据Pr[10000](称之为主题概率数组),其中Pr[i]表示Query 或者Adword 属于主题Id 为i 的概率,而Query和Adword 的相似度简化定义为两者主题概率数组的内积,即sim(Query,Adword)=sum(QueryPr[i]*AdwordPr[i])(0<==i<10000).在实际应用场景中,由于大多数主题的概率都为0,所以主题概率数组往往比较稀疏,在实现时会以一个紧凑型数组topic_info_t[]的方式保存,其中100<=数组大小<=1000,并按照topic_id 递增排列,
0<=topic_id<10000,0< topic_pr<1,
Struct topic_info_t {
int topic_id;
float topic_pr;
} ;
现在给出Query 的topic_info_t 数组和N(N>=5000)个Adwords 的topic_info_t 数组,现要求出Query 与Adwords 的相似度最大值,即
max(sim(Query,Adword[i])(0<=i<N).
float max_sim(const vector<topic_info_t>& query_topic_info,
const vector<topic_info_t> adwords_topic_info[],
int adwords_number);
编写代码求时间复杂度最低的算法,并给出时间复杂度分析。(15分)

三、 系统设计题(本题共25分)
子query统计和重要子query识别

问题定义:
当query A切词后的term集是query B切词后的term集的真子集是,成query A为query B的子query,例如:
“刘德华”的切词结果为“刘德华”;
“刘德华电影”的切词结果为“刘德华 电影”;
“刘德华最新电影”的切词结果为“刘德华 最新 电影”;
“刘德华电影下载”的切词结果为“刘德华 电影 下载”;
根据以上切词结果,刘德华”是“刘德华电影”,“刘德华最新电影”, “刘德华电影下载”的子query;
“刘德华电影”是“刘德华最新电影”, “刘德华电影下载”的子query;
但是“刘德华电影下载”和“刘德华最新电影”不想不是对方的子query。
现有亿级的用户query,并且知道每个query的查询次数,要求:
(1) 列出一个query的全部子query,写出C语言实现。(15分)
(2) query中的不同term对这个query的重要形式不同的,例如“刘德华 电影 下载”中“刘德华”和“电影”的重要性比“下载”重要,因为:“刘德华 电影“所表达的查询需求,与”刘德华 下载“或者”电影 下载“相比,更接近原query的需求。根据(1)中的统计的子query数据,请给出一种思路,来计算也给query中的所有子query的重要性排序。如果认为子query数据的信息不够充分,请给出还需要哪些信息,以及获得这些信息的途径,给出算法思路描述,必要的符号和推理公式即可。(10分)

四、 统计方法(本题共20分)
假设检验是常用的统计推断方法,在大数据时代,人们可以更加容易地得到更多特征。在ab-test时,常常需要使用假设检验方法研究特征在两者样本间是否有差异。一个常见的现象是,当特征数目较多时,在同样的显著性水平下,往往更加“容易”得到“显著差异”结果。
(1). 如何看待特征数目假设检验结果的影响?
(2). 假设独立特征数目是n,如何调整各个特征的p-value,调整后的p-value真实反映特征在两组间存在差异的显著性。
(3).假设特征间分布不独立,(2)的解决方案是否需要调整,如何调整?



最新网友评论  共有(1)条评论 发布评论 返回顶部
PHPERZ网友 发布于2014-10-11 12:54:27
百度面试题果然好难啊,
支持(0)  反对(0)  回复

Copyright © 2007-2017 PHPERZ.COM All Rights Reserved   冀ICP备14009818号  版权声明  广告服务