百度内推一面

前几天刚收到百度电话面试，答得不好，不过还是记录一下吧。

一共问了两题：

1）给定一个数据集，记录是（单词，频率），比如（“love”, 100），（“of”, 30），……。要求设计一个抽样算法，使得样本中单词出现的概率分布和原数据集一致。

举个例子，已知("a",100), ("b",50)，样本容量10。当时没有答出来，后来和同学讨论，可以用随机数与记录映射来抽取样本，具体设计如下：

1. 对记录进行排序，按出现频率的降序（或升序）

1. 计算所有单词出现的频率之和(Sum)。这里Sum=100+50。

2. 用随机数算法产生1~150的随机数，记这个算法为Random(start, end) 这里start=1, end=150。约定某个范围的数值代表抽取某个单词。比如可以约定1~100代表单词"a"，101~150代表单词"b"。

3. 样本容量为10，运行10次随机数算法Random(1, 150)，抽取样本。

2）设计一个算法，在分段有序数组中查找给定值，比如[0,1,4,5,2,10,9,3]。【比较笼统，没说是不是已知各个区间，还有区间长度。。大概知道问题就行。。】

我的想法是设计B-树算法，多路查找树，每个节点包含多个值，将其孩子节点分隔开来。构造成B-树之后，从根节点开始向下查找。

但是有个问题，就是不同的有序区间可能会重叠（具有相同的元素）。

面试官说理解我的意思，但要求更具体的方案，没想出来~~

面试过后，自己又考虑了一下，想了下面这个方法：

扫描一遍数组，将每个有序数组记录下来，比如map< pair<min,max>, pair<left_index, right_index> >这种形式，对min进行排序。

然后查找元素(x)，顺序扫描map元素，当x>=min 且 x <= max时，对 Array[left_index, right_index]进行二分查找。

== The End ==