2011年10月_JJ8582

12月 11月 10月 03月

原创 TopK算法及实现

1．问题描述在大规模数据处理中，常遇到的一类问题是，在海量数据中找出出现频率最高的前K个数，或者从海量数据中找出最大的前K个数，这类问题通常称为“top K”问题，如：在搜索引擎中，统计搜索最热门的10个查询词；在歌曲库中统计下载率最高的前10首歌等等。2．当前解决方案针对top k类问题，通常比较好的方案是【分治+trie树/hash+小顶堆】，即先将数据集按照has

2011-10-20 14:08:09 10397

转载数据结构之败者树

败者树原理 2个子结点比较后的败者放入它们的父结点，而胜者送到它们父结点的父节点去再作比较，这才是败者树。ls[0]放的是最终的胜者。堆：当n较大的时候采用什么算法呢？首先我们分析上面的算法，当从N中取出一个新的数m的时候，它需要依次和max1，max2，max3……maxn比较，一直找到一个比m小的maxx，用m来替换max x，平均比较次数是n/2。可不可

2011-10-21 14:07:20 5205 2

原创多路归并问题详解

工作的时候遇到一个倒排序列的归并问题。当然：每个序列都是有序的，这里我们令有序为从小到大排序。思考时，其主要有几点归并要求：1、归并求不同路的交集的时候交集个数越大越好。2、只有当结果数不满足排序需求的时候才去求归并的并集。3、在每一路中可能存在相同的元素。代码中在归并的时候使用了败者树这一思想来实现。具体：（假设归并的路数为N，每一路的元素个数为M）1、建立

2011-10-20 18:12:58 4177 1

原创 scanf printf sscanf sprintf 函数时格式化字符说明

经常要用到格式化输出，输入函数，因此各个格式化字符就显得比较重要。下面对常用的格式化字符做一个总结：%d：格式化为有符号十进制整数，可以有长度的修饰。如 %5d %ld。%5d表示格式化的宽度为5。%o：格式化为有符号八进制数%x：格式化为有符号16进制数%I64d：格式化为有符号十进制数，ps：64位数据。LINUX下为%lld上述所述均有对应的无符号类型： %u & %I6

2011-10-20 11:26:58 1082