这是有人问我的一个面试问题，我真的没有很好的答案。我想知道是否有人可以帮助我理解解决方案：
“你有数十亿条推文流入。你将如何找出前 10 个主题标签？”
谢谢
问问题
1792 次
2 回答
6
创建一个地图，其中一个主题标签作为键，一个计数器作为值。
增加您收到的每条推文中每个标签的计数器。
检查计数器的值以找到前 10 个。
您对问题的措辞不包括任何会禁止这种简单解决方案的限制。在面试的情况下，我会问一些明确的问题来引出这些限制。
在诸如“它必须在线性时间内运行”和“它必须使用恒定数量的内存”等约束条件下，出现了更多有趣的答案。
我不确定对于所提出的问题是否有一个恒定的记忆解决方案，但我知道一个用于相关（通常更有用）的问题：识别构成给定结果部分的元素。我把它作为一个类似问题的答案。
（我说“更有用”，因为如果给定项目的总比例低于阈值，则它比真正的“前 10 名”材料更有可能是噪音。）
于 2012-07-05T18:53:49.077 回答
3
您可能无法分析所有推文，因此您只需分析随机样本。从该样本中找到前 10 名，您就可以找到前 10 名（在某种程度上可以确定，具体取决于样本大小和样本质量）。
我不认为他们在这里寻找实际的解决方案，而是更多地探索您的思考过程，以了解如何解决（实际上）不可能的问题。
于 2012-07-05T18:50:16.733 回答