l*********r
发帖数: 26 | 1 google 的phone screen
1. fib sequence, coding.
2. how to find duplicate documents from a large corpus of files
3. how to tell if a query word/phrase have multiple semantic meaning from
the query log.
当时答的时候感觉还可以，最后还是失败了。
第一次发言，回馈大家了。 |
g*******y
发帖数: 1930 | 2 comfort lz!
get more practice and you will get an offer soon! |
j****4
发帖数: 604 | |
H*M
发帖数: 1268 | 4 how long does it take to get feedback?
【在 l*********r 的大作中提到】
: google 的phone screen
: 1. fib sequence, coding.
: 2. how to find duplicate documents from a large corpus of files
: 3. how to tell if a query word/phrase have multiple semantic meaning from
: the query log.
: 当时答的时候感觉还可以，最后还是失败了。
: 第一次发言，回馈大家了。
|
l*********r
发帖数: 26 | 5 mine took about 3 days. No news is better than bad news. |
r****o
发帖数: 1950 | 6 cft,
第2题找重复的文档光查文件名是否重名行吗？
第3题semantic meaning是啥意思啊？
【在 l*********r 的大作中提到】
: google 的phone screen
: 1. fib sequence, coding.
: 2. how to find duplicate documents from a large corpus of files
: 3. how to tell if a query word/phrase have multiple semantic meaning from
: the query log.
: 当时答的时候感觉还可以，最后还是失败了。
: 第一次发言，回馈大家了。
|
r********g
发帖数: 1351 | 7
可能名字不重复，内容重复吧，比如aaa.txt <===> aaa_copy.txt <===> aaa_1.txt...
我觉得：
1. 比较大小
2. 相同的，random index select, mod (large prime number) , programming
pearls上貌似有介绍选择多少个字符后判断出错的概率。这样大部分的不同文件都被排
除了。
3. 如果还是一样，那两个文档可能只是有非常微小的差别，只能顺序较了吧
同不明白....可能是我search一个词，比如“hot spring", 可能对应了“温泉”和“
春天（和天气相关）”两种不同的page index，这种情况可能就得判断到底提供哪个
query的result。这个不太懂，不知道怎么做。。。
【在 r****o 的大作中提到】
: cft,
: 第2题找重复的文档光查文件名是否重名行吗？
: 第3题semantic meaning是啥意思啊？
|
a******t
发帖数: 34 | 8 请问搂主怎么回答的？
【在 l*********r 的大作中提到】
: google 的phone screen
: 1. fib sequence, coding.
: 2. how to find duplicate documents from a large corpus of files
: 3. how to tell if a query word/phrase have multiple semantic meaning from
: the query log.
: 当时答的时候感觉还可以，最后还是失败了。
: 第一次发言，回馈大家了。
|
C*******n
发帖数: 40 | 9 2. 前面有人回答有道理，先比较大小，再检查内容。但是问题是一个很大的文件库要
做到两两比较会很费时间。也许可以用 hash表，
3. query log有用户的click信息， 如果同一个query发现不同用户click的网页有很大
区别，就会提供很好的线索说明query有多种semantic meaning.
【在 l*********r 的大作中提到】
: google 的phone screen
: 1. fib sequence, coding.
: 2. how to find duplicate documents from a large corpus of files
: 3. how to tell if a query word/phrase have multiple semantic meaning from
: the query log.
: 当时答的时候感觉还可以，最后还是失败了。
: 第一次发言，回馈大家了。
|
k*******s
发帖数: 134 | 10 第二题就是给每一个文件checksum一下就好了。最基本的checksum的算法就是把文件的
每个word XOR.但是这样不是很精确，比如word order不一样就检查不出来。 复杂一点
的比如CRC算法,时间长一些，但是更精确。最后把XOR的值相等的文件分组就好了。 |
k*n
发帖数: 150 | 11
...
size+md5, and consider MR if corpus is too large
This is interesting... I don't think search result will be acommpanied...
my solution:
1. find synset, usually nearby queries tend to be synonyms, so
for each query bigram, count their occurrence, set a threshold
for indicating a pair of synonyms
2. judge multiple meanings via synonyms, that is : a ~ b, and a ~ c
then a is likely to be candidate...
英语太差，所以更得献丑来练练了，bow
【在 r********g 的大作中提到】
:
: 可能名字不重复，内容重复吧，比如aaa.txt <===> aaa_copy.txt <===> aaa_1.txt...
: 我觉得：
: 1. 比较大小
: 2. 相同的，random index select, mod (large prime number) , programming
: pearls上貌似有介绍选择多少个字符后判断出错的概率。这样大部分的不同文件都被排
: 除了。
: 3. 如果还是一样，那两个文档可能只是有非常微小的差别，只能顺序较了吧
: 同不明白....可能是我search一个词，比如“hot spring", 可能对应了“温泉”和“
: 春天（和天气相关）”两种不同的page index，这种情况可能就得判断到底提供哪个
|
