面试试题和答案

    前几天被人面试，给了五道题，下面是问题及答案。

 

    1 一堆数字去重

    答案：

    如果输入数组足够小的话，例如< 20，可以使用STL中的map来简单处理。如下：
    for(int i = 0;i < array.size();i++)
    {
        map[array[i]] = 0;
    }
  map是平衡二叉树，在log2(array.size())的时间内即可实现。

 如果输入数组非常大，超过了已有内存大小的话，可以分而治之，与词频统计同
   一个道理，具体实现方法可以使用快排+合并。时间复杂度约为：
    2*log2(array.size())
  具体实现与CMU工具包原理相同。


  2 如果上题中的数字很大，怎么办？

   答案：

  没想到居然和上一题相似。在此简单罗列CMU工具包的实现方法，因为以前看过。
  (1)根据内存大小，分发足够多的内存。参考系统目录/proc/meminfo
  (2)对原文件按照固定大小进行分割，分块处理，然后把处理结果写入临时目录，如/tmp。
     2.1 对分割的每块文件，进行快排。
     2.2 快排可以根据字符串指针进行，分割文件中的内容不移动。
     2.3 把排序后的字符串指针写入临时文件。
     2.4 根据同样方法继续处理其他块的文件。
  (3)快排结束以后，对临时文件结果进行合并排序，可以两两合并，也可以多个合并，如
     20个文件同时进行合并，在多个文件合并过程中，可以使用胜者树或败者树对比较结果
     进行记录，以加快排序。
 
 3 生成模型和区别模型的差异
 答案：

  1 概率计算上的差异：生成模型通过联合概率估计得到；区别模型通过条件概率计算得到。
  2 生成模型有假设：根据某条件生成；区别模型没有此假设。
  3 生成模型，例如HMM模型；区别模型，例如CRF。
  4 生成模型得到的概率往往不交叉，而区别模型训练得到的概率往往相互作用和影响。

 4 一堆很大的无序数字和一个有序的二叉排序树，如果判断二叉排序树中的数字都在前面的无序数字中出现，写出薇代码。

 答案：

如果数组不够大的话，则首先对数组排序
  1 qsort(大小为k的数组)，得到数组A;
  2 对二叉排序树进行遍历，得到排序数组B;
    void Traverse(BTree *pTree,Array *A,int *n)
    {
        if(pTree == NULL)
            return;
        A[n] = pTree->data;
        (*n)++;
        Traverse(pTree->lift,A,&n);   
        Traverse(pTree->right,A,&n);   
    }
  3 对两个有序数组进行对比即可。
    for(n = 0;n < B.size();n++)
    {
        if(折半查找(B[n],A) != true)
        {
            printf("有节点不在数组A中/n");
            return;
        }
    }
  如果数组足够大而不能排序的话，则可以使用一个“笨”办法，
  利用二叉查找树来查找数组，如果找到，则删掉二叉查找树中
  的对应元素，这样二叉查找树的元素会逐渐减少，如果减少为
  0，则说明m个元素都在数组中；如果查找结束还剩下树中节点，
  则说明有些节点不在数组中。
 
5 判断句子的语义相似性，如：I hardly found the camera useful和the camera doesn't help me any,如果判断两个句子的相似性。

答案：

 此题可以从理论上进行处理，也可以从工程上进行处理。
  理论上的做法：
      句法分析，得到所谓的格框架，如：施事、受事、与事等等，
  通过词语间的格关系来进行计算。
  但这种做法行不通，因为语义分析走不通。
  工程上的做法：
      1 以句子为单位作为一个统计窗口。
      2 确定感兴趣的词语位置，如camera。
      3 确定句子是否为肯定或否定。
        如果句子的动词前出现not或no等等，则为否定；如果出现表示否定的副词，
        如hardly、almost等等，也表示否定。这种否定副词是可以枚举的。
      4 确定与camera相关的语义依赖关系。这种有语义倾向性的词语一般为动词、形
    容词、副词。把这种词语全部作为倾向性候选。还可以依赖更多的资源，例如
    wordnet、同义词词林等进行同义词扩展。
      5 根据实例与实例之间的倾向性候选来计算语义距离，例如基于实例的倾向性候
    选共现数目、基于实例的倾向性候选的权重来计算距离等等。