百度数据挖掘部门

     跟一面隔了差不多一个星期，收到了二面的通知，这次不是去百度大厦，是去科技园。第一次来科技园，发现这里还是一片工地，有很多大的IT公司，看到汉王科技、IBM之类的。

     面试官是一个三十五岁左右的一个看似像是部门leader的人。拿着电脑，边面试边处理工作，氛围比一面的时候轻松了许多。先是问了下基本情况，比较感兴趣实验室是做什么的。然后指出了我在一个项目中使用的机器学习的错误，一看就是行家。一直微笑着提各种尖锐的问题。了解大致情况后开始做题。

题目

（1）数据处理题目

        已知n个顺序打散的用户行文，ID（qq号），状态（1表示上线，0下线），时间。已知0时刻再现人数是x个，求第1时刻的人数。

答：这道题其实很简单，建立一个数组，每两个时刻区间内，上线就总数加一，下线就减一。

一开始我没完全领会到意图，采用的方法是求得每个用户的上线时间区间，然后再找到1时刻上线的人。经过提示，想到的跟正确答案类似的结，但是因为我没说是用数组存，我说用list，空间复杂度大了一些。

（2）推荐栏

       假设搜索的词是“刘德华”，你该怎样推荐边栏的推荐人物。

答：以下是我的答案，判断重名的可能性，找到是哪个“刘德华”，根据搜索频率可以判断出来。

（1）然后给用户打标签，“歌手”、“演员”等，推荐相关条目下的高热度人物。

（2）接着遍历相关时效性新闻，找到同时出现的关联度高的人物。

（3）遍历此人出现的网页，找到关联人物。（期间问了如何去噪，比如编辑小王这种，我的回答是可以找到网页的第一段内容判断，还有就是根据比例，尽可能多的遍历网页）

（4）根据贴吧、微博信息，个人媒体

（5）根据其它也搜索“刘德华”的人的搜索结果，也就是一种针对用户的协同过滤。（答上这个他很满意）

（6）这条是他加上的，我没想到。根据用户的点击反馈，他搜完刘德华，又点了什么人，就推荐什么人。

经验是，不要装逼，踏实的想怎么实现需求，花哨的代码没用，主要是效率要高。另外就是，脑子要快，顺着提示往上爬。

/********************************

* 本文来自博客  “李博Garvin“

* 转载请标明出处:http://blog.csdn.net/buptgshengod

******************************************/