如果必须从网页中区分出一部分"重要网页"（例如在10亿中选8亿），比其他网页更值得展现给用户，请提出一种方案。
假设有10亿网页已经被我们存下来，并提供如下信息：网页全文（即网页的源码）、全文长度、网页正文（即网页中提取的主体文字）、
正文长度，以及其他网页提取物等，现在希望去掉其中的重复网页，请提出可行的方案，计算出每个网页对应的重复度，你可以自己
对网页重复下定义，也可以提出需要哪些更多的网页提取物来实现更好的去重复方案
-
等级
本版专家分：0结帖率 66.67% -
如果必须从网页中区分出一部分"重要网页"（例如在10亿中选8亿），比其他网页更值得展现给用户，请提出一种方案。
假设有10亿网页已经被我们存下来，并提供如下信息：网页全文（即网页的源码）、全文长度、网页正文（即网页中提取的主体文字）、
正文长度，以及其他网页提取物等，现在希望去掉其中的重复网页，请提出可行的方案，计算出每个网页对应的重复度，你可以自己
对网页重复下定义，也可以提出需要哪些更多的网页提取物来实现更好的去重复方案展开阅读全文
-
等级
本版专家分：0
-
关注！
-
等级
本版专家分：0
-
完全不懂....UP
-
等级
本版专家分：0
-
PageRank
-------------
计算相似度，投到向量空间上去，计算夹角
-------------
这些都是考Sense的，你若能提出完美的解决方案，百度不去也罢，基本可以自己搞了。
-
等级
本版专家分：0
-
发表于：2008-05-23 19:05:163楼 得分:0
引用楼主 wjc_hit 的帖子:
如果必须从网页中区分出一部分"重要网页"（例如在10亿中选8亿）
PageRank
-------------
Lz 说道去掉其中的重复网页
计算相似度，投到向量空间上去，计算夹角
-------------
这些都是考Sense的，你若能提出完美的解决方案，百度不去也罢，基本可以自己搞了。
就是，有些公司面试会拿一些公司目前还在设计的算法，群策群力，从中找到一些思想
你可以自己对网页重复下定义——如果想到优秀的算法，有个更好的定义，就可以自己搞了
怀疑这种题不是测试题，就是他们内部的算法需求
-
等级
本版专家分：0
-
这些问题一般用层次分析法就可以基本搞定
复杂些可以用量化算法
至于最好的算法, 我知道, 就是不说
哈哈, 顶楼上
-
等级
本版专家分：0
-
鄙视楼上的，吊人胃口……
- 2019最新Web前端经典面试试题及答案-史上最全前端面试题(含答案)
近期总结一一些面试题 都是企业的面试题笔记题 感觉薪资10k下的都会出笔试题 特别高的薪资都是直接技术面试或者是 现场编程 总结很多人的面试题，后期会对于单个知识点再说笔记详细讲解。 部分都是百度的答案，...
- 2020年前端面试题及答案
前端面试汇总（2020年） 一 大纲 1、前言 2、前端工程化 3、前端设计模式 ...8、*前端基础知识点面试题 ...由于新冠肺炎疫情，现在成天呆在家里，加上也要准备面试，就在家里看面试题...
- 软件测试工程师经典面试题
软件测试工程师，和开发工程师相比起来，虽然前期可能不会太深，但是涉及的面还是比较广的。...测试工程师的面试题，基本上都是大同小异的，面试的核心主要在于框架模块（一到两年工作经验） 。今...
- Java面试题内容聚合
为了不在面试中吃亏，面试前突击多看看面试题还是狠有必要的。这是一份常见Java面试题分类汇总，希望对大家有用！ 初级面试题 Java面试题-基础篇一 Java面试题-基础篇二 Java面试题-集合框架篇三 Java面试...
- Java面试题全集（上）
2013年年底的时候，我看到了网上流传的一个叫做《Java面试题大全》的东西，认真的阅读了以后发现里面的很多题目是重复且没有价值的题目，还有不少的参考答案也是错误的，于是我花了半个月时间对这个所谓的《Java面试...
- 百度前端面试题分享
到公司以后,直接技术面,没有笔试 考官: 自我介绍一下 我: 巴拉巴拉… 考官: 你会什么? 我:巴拉巴拉,其中提到了面向对象 考官: 那你写一个类吧 我就写了一个构造函数和原型对象,然后实例化,并进行了一番解释 ...
- Spring Cloud面试题（2020最新版）
文章目录为什么需要学习Spring Cloud什么是Spring Cloud设计目标与优缺点设计目标优缺点Spring Cloud发展前景整体架构主要项目Spring Cloud ConfigSpring Cloud NetflixSpring Cloud BusSpring Cloud ConsulSpring ...
- 百度java面试题200道
基本概念 操作系统中 heap 和 stack 的区别 什么是基于注解的切面实现 什么是 对象/关系 映射集成模块 什么是 Java 的反射机制 什么是 ACID BS与CS的联系与区别 Cookie 和 Session的区别 ...
- 并发编程面试题（2020最新版）
文章目录基础知识并发编程的优缺点为什么要使用并发编程（并发编程的优点）并发编程有什么缺点并发编程三要素是什么？在 Java 程序中怎么保证多线程的运行安全？并行和并发有什么区别？什么是多线程，多线程的优劣？...
- 软件测试面试题合集【乐搏TestPRO】
又到了金九银十跳槽求职旺季。...以下是“大佬”本人从乐搏学院VIP学员面试经验中收集的，然后分门别类整理了这套面试题，很具备参考性，毕竟都是企业真实面试题目。 接下来，针对以下知识类型列出具体的面试点(其中...
- 微信小程序面试题总结
小程序面试题 简单描述下微信小程序的相关文件类型？ 一、WXML （WeiXin Markup Language）是框架设计的一套标签语言，结合基础组件、事件系统，可以构建出页面的结构。内部主要是微信自己定义的一套组件。与html...
- 百度Android面试之笔试题
四种LaunchMode的作用及使用场景？ java中的引用类型以及使用场景？描述一下GC机制？ 私有构造方法的使用场景？ sleep和wait分别的作用和区别？ join的作用和实现原理？... Android性能优化包括哪几...
- 今日头条一面笔试面试题！！！！！完整
先笔试，然后拿着卷子，面试官会根据笔试题从后往前问，整个过程感觉学习到超级多东西 先说笔试题～来画重点来1.块级元素和行内元素有什么区别，举例常用的块级和行内元素，行内元素有padding／margin吗？2.call,...
- 百度前端面试题2020
从本篇开始，整理自己投递简历获得面试机会公司的笔试、面试题（尽力回想） 常识知识直接贴出答案，自己也不太理解的就贴出学习链接，待学习理解后更新内容。 积累经验，温故知新，再接再厉～ 百度一面问的比较...
- 百度前端面试题
告知浏览器的解析器，用什么文档类型 规范来解析这个文档。 2.严格模式的排版和 JS 运作模式是 以该浏览器支持的最高标准运行。在混杂模式中，页面以宽松的向后兼容的方式显示。模拟老式浏览器的行为以防止站点无...
- 招聘季！送你21套经典面试题！助你一臂之力！
... 一年一度的招聘季已经拉开帷幕，不管你是校招还是社招，大家应该都在忙着刷题，关于面试前到底该不该刷题？我的回答是肯定的，必须要刷题的！有一个共识就是"面试的时候造火箭，工作...
- 前端vue面试题（百度前端面试）
1. 谈谈你对MVVM开发模式的理解 MVVM分为Model、View、ViewModel三者。Model 代表数据模型，数据和业务逻辑都在Model层中定义；...Model 和 View 并无直接关联，而是通过 ViewModel 来进行联系的，Model 和 Vie...
- PHP面试题(二)---百度
百度一面1.自我介绍 2.问我研究生期间主要课程 3.数据库优化 4.MySQL组合索引特点 5.PHP中垃圾回收 6.是否看过php源码，做过php扩展，并阐述一下 7.mysql与MongoDB区别 百度二面 1.自我介绍 2.Mysql中索引...
- Linux面试题，浅析常见Linux命令面试题及答案
对于Linux面试来说如果面试官问到你不会的问题，你就说这个不太熟悉，没有具体研究过，千万别不懂装懂，还扯一堆没用的话题来掩饰，这样只会让面试官反感你。 另外尽可能多的记住原理性的知识，一般面试问的多的就是...
- 一份百度前端面试题：
在网上看见一份很不错的百度前端面试题，自己可以对前边知识做一个总结，也算是对自己知识的一个补充吧。当然文章是转载的，侵删！！ 随着各大互联网公司设立了Web前端开发工程师、设计工程师等职位，web前端...
- 百度大牛总结的十条Python面试题
我挑了一些Python的基础面试题，看看你能不能的答上来，也许面试的同学用的着！ 正文共：1323 字 预计阅读时间：4 分钟 问题1：请问如何修改以下Python代码，使得下面的代码调用类A的show方法？答...
- Java面试题大全（2021版）
本套Java面试题大全，全的不能再全，哈哈~ 一、Java基础知识面试题 1、Java概述 ①. 何为编程 编程就是让计算机为解决某个问题而使用某种程序设计语言编写程序代码，并最终得到结果的过程。 为了使计算机能够...
- Java知识体系最强总结(2020版)
更新于2019-12-15 10:38:00 本人从事Java开发已多年，平时有记录问题解决方案和总结知识点的习惯，整理了一些有关Java的知识体系，这不是最终版，会不定期的更新。也算是记录自己在从事编程工作的成长足迹，通过...
- 身为三本的我就是凭借这些前端面试题拿到百度京东offer的，前端面试题2021及答案
推荐使用2~3周的时间来消化接下来的面试题， 遇到不会的专业名词请立刻去搜； 文章中只是简答，如果想要详细了解的话还需要你自觉去搜索 如果你是个大神： 好叭先给您拜个早年，大哥大嫂过年好。 请温柔点黑我。 ...
- 腾讯面试题： 百度搜索为什么那么快？
我还记得去年面腾讯时，面试官最后一个问题是：百度/google的搜索为什么那么快？ 这个问题我懵了，我从来没想过，搜素引擎的原理是什么 然后我回答：百度爬取了各个网站的信息，然后进行排序，当输入关键词的时候...
- 技术支持岗位面试问题汇总，绝对有你遇到的面试题！！
交换机与路由器的区别 1.路由器能拨号，交换机不能 2.无线路由器能使无线设备WIFI上网，交换机不行 3.外形上：从外形上我们区分两者，交换机通常端口比较多看起来比较笨重，而路由器的端口就少得多体积也小得多。...
- 百度C++面试题
2012年10月18号百度PC客户端岗位一面电话面试面试题： 前奏：因为阿里巴巴的面试不能由大连调北京，我就风尘扑扑的从北京回到大连去面阿里巴巴，尽管知道在就业形势很不好的今年进阿里巴巴的机会很渺茫，但是...
- 百度前端面试题汇总及答案
百度前端面试题及答案
- 百度测试开发面试题整理
写一个 SQL 查询语句：给一个字段，对其进行从大到小排序，取前十行。 我平时的工作中会协助提高数据库的查询效率，会给数据 id 等创建索引； 事务开发那边用的比较多，然后我举了 ATM 机取款的例子。 SQL 语句...
- Java面试题及答案2019版（下）
上一篇：2019年最新Java面试题及答案整理（上） 51、类ExampleA继承Exception，类ExampleB继承ExampleA。 有如下代码片断： try{ thrownewExampleB("b") }catch（ExampleAe）{ System.out.println("ExampleA"); ...