2006年11月4日百度网上笔试题及答案

编程：
用C语言实现一个revert函数，它的功能是将输入的字符串在原串上倒序后返回。
2 编程：
用C语言实现函数void * memmove(void *dest,const void *src,size_t
n)。memmove函数的功能是拷贝src所指的内存内容前n个字节到dest所指的地址上。
3 英文拼写纠错：
在用户输入英文单词时，经常发生错误，我们需要对其进行纠错。假设已经有一个包含了正确英文单词的词典，请你设计一个拼写纠错的程序。
（1）请描述你解决这个问题的思路；
（2）请给出主要的处理流程，算法，以及算法的复杂度；
（3）请描述可能的改进（改进的方向如效果，性能等等，这是一个开放问题）。

4 寻找热门查询：
搜索引擎会通过日志文件把用户每次检索使用的所有检索串都记录下来，每个查询串的长度为1-255字节。假设目前有一千万个记录，
这些查询串的重复度比较高，虽然总数是1千万，但如果除去重复后，不超过3百万个。一个查询串的重复度越高，说明查询它的用户越多，
也就是越热门。请你统计最热门的10个查询串，要求使用的内存不能超过1G。
（1）请描述你解决这个问题的思路；
（2）请给出主要的处理流程，算法，以及算法的复杂度。

5 集合合并：
给定一个字符串的集合，格式如：{aaa bbb ccc}， {bbb ddd}，{eee fff}，{ggg}，{ddd hhh}
要求将其中交集不为空的集合合并，要求合并完成后的集合之间无交集，例如上例应
输出
{aaa bbb ccc ddd hhh}，{eee fff}， {ggg}
（1）请描述你解决这个问题的思路；
（2）请给出主要的处理流程，算法，以及算法的复杂度
（3）请描述可能的改进（改进的方向如效果，性能等等，这是一个开放问题）。
////////////////////////////////1
1 题
char *revert(char * str)
{
int n=strlen(str);
int i=0;
char c;
for(i=0;i {
c=str;
str=str[n-i];
str[n-i]=c;
}
return str;
}
///////////////////////////////////
2 题
void * memmove(void *dest,const void *src,size_t n)
{
assert((dest!=0)&&(src!=0));
char * temp=(char * )dest;
char * ss=(char * )src;
int i=0;
for(;i {
*temp++=*ss++;
}
return temp;
}

/////////////////////////////////////////////////
3 题
(1)思路 :
字典以字母键树组织，在用户输入同时匹配
(2)
流程:
每输入一个字母：
沿字典树向下一层，
a）若可以顺利下行，则继续至结束，给出结果；
b)若该处不能匹配，纠错处理，给出拼写建议,继续至a）；
算法:
1.在字典中查找单词
字典采用27叉树组织,每个节点对应一个字母,查找就是一个字母一个字母匹配.算法时间就是单词的长度k.
2.纠错算法
情况:当输入的最后一个字母不能匹配时就提示出错,简化出错处理，动态提示
可能 处理方法:
(a)当前字母前缺少了一个字母：搜索树上两层到当前的匹配作为建议；
(b)当前字母拼写错误：当前字母的键盘相邻作为提示；（只是简单的描述，可以有更多的）
根据分析字典特征和用户单词已输入部分选择(a),(b)处理

复杂性分析：影响算法的效率主要是字典的实现与纠错处理
（a）字典的实现已有成熟的算法，改进不大，也不会成为瓶颈；
(b)纠错策略要简单有效 ,如前述情况，是线性复杂度；
(3)改进
策略选择最是重要，可以采用统计学习的方法改进。

//////////////////////////////////////////////
4 题
(1)思路：
用哈希做
(2)
首先逐次读入查询串，算哈希值，保存在内存数组中，同时统计频度
（注意值与日志项对应关系）
选出前十的频度，取出对应的日志串，简单不过了。
哈希的设计是关键。
//////////////////////////////////////////////////
5 题
（1）思路：先将集合按照大小排列后,优先考虑小的集合是否与大的集合有交集。有就合并，如果小集合与所有其他集合都没有交集，则独立。独立的集合在下一轮的比较中不用考虑。这样就可以尽量减少字符串的比较次数。当所有集合都独立的时候，就终止。
（2）处理流程：
1.将集合按照大小排序，组成集合合并待处理列表
2.选择最小的集合，找出与之有交集的集合，
如果有，合并之；
如果无，则与其它集合是独立集合，从待处理列表 中删除。
3.重复直到待处理列表为空

算法：
1。将集合按照大小从小到大排序,组成待处理的集合列表。
2。取出待处理集合列表中最小的集合，对于集合的每个元素，依次在其他集合中搜索是否有此元素存在：
1>若存在，则将此小集合与大集合合并，并根据大小插入对应的位置 。转3。
2>若不存在，则在该集合中取下一个元素。如果无下一个元素，即所有元素都不存在于其他集合。则表明此集合独立，从待处理集合列表中删除。并加入结果集合列表。转3。
3。如果待处理集合列表不为空，转2。
如果待处理集合列表为空，成功退出，则结果集合列表就是最终的输出。
算法复杂度分析：
假设集合的个数为n，最大的集合元素为m
排序的时间复杂度可以达到n*log(n)
然后对于元素在其他集合中查找，最坏情况下为（n-1）*m
查找一个集合是否与其他集合有交集的最坏情况是m*m*(n-1)
合并的时间复杂度不会超过查找集合有交集的最坏情况。
所以最终最坏时间复杂度为O(m*m*n*n)
需要说明的是：此算法的平均时间复杂度会很低，因为无论是查找还是合并，都是处于最坏情况的概率很小，而且排序后优先用最小集合作为判断是否独立的对象，优先与最大的集合进行比较，这些都最大的回避了最坏情况。
(3)可能的改进：
首先可以实现将每个集合里面的字符串按照字典序进行排列，这样就可以将查找以及
合并的效率增高。
另外，可能采取恰当的数据结构也可以将查找以及合并等操作的效率得到提高。

在您进入百度在线笔试系统进行答题前，请仔细阅读并接受以下笔试规则：
在线笔试分定时笔试和不定时笔试两种：
定时笔试：您的可答题时间是笔试时长减去您初次成功登录进入笔试答题页面时距笔试开始已过的时间；例如，如果笔试时长是2小时，笔试20:00:00开始，您于20:20:00登录，您将有100分钟答题时间；

不定时笔试：您的可答题时间是您初次成功登录进入笔试答题页面时开始后的笔试规定时长；例如，如果笔试时长是2小时，您于20:20:00登录，您的答题时间将在22:20:00结束；
您可以在笔试开放的答题期间适当休息，但笔试系统不因您中断答题、关闭页面等而停止计时；
请务必在笔试时间结束前提交您的答案，以保证我们能及时处理；
请独立完成笔试的答题，但您可参考一切电子和书面的资料；
在笔试系统开放期间请勿将题目以任何方式对外传播。

如果您不接受以上规则，请退出。
如果您接受以上规则，点击下面的题目开始笔试：
商务搜索部_电子商务_软件工程师
保密协议：
本笔试题所有内容均属百度公司知识产权，严禁向任何第三方透露；否则百度公司将可能终止与您的进一步联系；您必须接受以上协议，才允许继续笔试答题过程；如果您不接受，请立即终止笔试。谢谢合作！
2007校园招聘-ECOM-商务软件笔试题（二）
保密协议：
本笔试题所有内容均属百度公司知识产权，严禁向任何第三方透露；否则百度公司将可能终止与您的进一步联系；您必须接受以上协议，才允许继续笔试答题过程；如果您不接受，请立即终止笔试。谢谢合作！

1， 一个文本文件有多行，每行为一个URL。请编写代码，统计出URL中的文件名及出现次数。
a） 文件名不包括域名、路径和URL参数，例如http://www.rs.com/n.op/q/rs?id=1中的文件名是rs。
b） 部分URL可能没有文件名，例如http://www.abc.com/，这类统计为“空文件名”。
c） 出现在不同URL中的相同文件名视为同一文件名，例如http://www.ceshi.com/hi.php
和ftp://ftp.cdef.com/hi.php为同一文件名
文件内容示例如下： http://www.test.com/abc/de/fg.php?id=1&url=http://www.test.com/index.html http://www.ceshi.com/hi.jsp ftp://ftp.ceshi.com/hi.jsp http://www.hello.com/cw/hi.jsp?k=8 http://www.hi.com/jk/l.html?id=1&s=a.html http://www.rs.com/n.op/q/rs?id=1 http://www.abc.com/
2，一个简单的论坛系统，以数据库储存如下数据：
用户名，email，主页，电话，联系地址，发帖标题，发帖内容，回复标题，回复内容。
每天论坛访问量300万左右，更新帖子10万左右。
请给出数据库表结构设计，并结合范式简要说明设计思路。

3，现有两个文件，
a）数据文件A，格式为：关键词、IP地址、时间，记录条数为1000万左右，该文件是无序排列的。
b）数据文件B是关键词ID到关键词的对应表文件，格式为：ID、关键词，记录条数在100万左右，也是无序排列的。该对应表中的记录是一一对应的，不存在ID或者关键词重复的情况。
要求将数据文件A对应的关键词替换为B中的ID，生成新的数据文件C，数据文件C的格式为：关键词ID、IP地址、时间。
请设计一个程序，实现上述功能，并分析时间复杂度和空间复杂度。运行程序所使用的服务器的内存为1G，硬盘足够大。（至少要给出关键算法和设计思路）

·您可先离线完成所有答案，再把整份答案内容剪贴到这里；所有内容都将以.txt文件格式保存。
·如果您长时间未进行任何操作，答题页面可能会超时失效；若失效请重新登录，以防止提交失败。
·请务必在笔试时间结束前提交您的答案，以保证我们能及时处理。
·如果您未能在规定的时间内成功提交，请在笔试系统关闭后10分钟内把你的答案发送至nsresume@baidu.com，逾期将以未完成笔试处理。
·下面是您上次提交过的答案，如有必要，可重新提交。