【100%通过率 】【华为OD机试c++/java/python】新词挖掘【2023 Q1|100分】

1、新员工考试 小聪入职新公司,参加线上的新员工必备考试,考试共25题，依次是10个判断题(每题2分)、10个单选题(每题4分)和5个多选题(每题8分)，总分100分； 考题只能顺序作答,答对题目获得相应的分数。答错题目获得0分,考试系统不提示作答是否正确，答题过程中如果累积有3题答错,直接中止考试并计算考试分数。 小聪考试结果是N分，请根据小聪的分数,算出所有可能的答题情况的个数。输入一个整数,表示小聪的考试得分N,N为偶数,0<=N<=100(N不会是不可能考出来的分数)。 输出一个整数表示

新词挖掘：给出一个待挖掘文本内容字符串Content和一个词的字符串word，找到content中所有word的新词。输出描述：在content中找到的所有word的新词的数量。说明：起始索引等于0的子串是"qwe",它是word的新词。说明：起始索引等于0的子串"ab"，它是 word的新词.起始索引等于6的子串是"ewq"，它是word的新词。起始索引等于1的子串"ba"，它是 word的新词。起始索引等于2的字串"ab"，它是 word的新词。新词：使用词word的字符串排列形成的字符串。

知识图谱新词挖掘1 题目描述：小华负责公司知识图谱产品，现在要通过新词挖掘完善知识图谱。新词挖掘：给出一个待挖掘文本内容字符串Content和一个词的字符串word，找到content中所有word的新词。新词：使用词word的字符排列形成的字符串。请帮小华实现新词挖掘，返回发现的新词的数量。

关于华为od题库的说明（2023-06-23 更新本文） 关于订阅华为OD机试题库的后续问题 华为OD机试 真题，新题库，50到100分题 华为OD机试 6 大宝典，包含题库完整真题 关于华为OD的更多疑问，可查看下述专栏

滑动窗口 OD

叙词表： 叙词表又被称为主题词表，是一个针对特定学科领域的词汇表，也可以是涉及多个学科领域的综合性词汇表。改词汇表又一些雨衣相关的规范化名词术语组成。通常按照主题词首字母的顺序进行组织。 词汇挖掘=短语挖掘，短语是真一个单词或者多个连续的单词组成的序列。 对于短语的质量，从以下几方面评估： 1）频率： 一般来说，一个N-Gram在给定的文档集合中要出现的足够频繁才能被视作高质量短语。 2）一致性： 是指N-Gram的搭配频率明显高于其各部分偶然组成在一起的可能性，反应了N-Gram中不同单词的搭配是否合.

知识图谱新词挖掘1 题目描述：小华负责公司知识图谱产品，现在要通过新词挖掘完善知识图谱。新词挖掘：给出一个待挖掘文本内容字符串Content和一个词的字符串word，找到content中所有word的新词。新词：使用词word的字符排列形成的字符串。请帮小华实现新词挖掘，返回发现的新词的数量。

小华负责公司知识图谱产品，现在要通过新词挖掘完善知识图谱。新词挖掘：给出一个待挖掘问题内容字符串Content和一个词的字符串word，找到content中所有word的新词。新词：使用词word的字符排列形成的字符串。 请帮小华实现新词挖掘，返回发现的新词的数量。

微服务的集成测试 题目描述：现在有n个容器服务，服务的启动可能有一定的依赖性（有些服务启动没有依赖），其次服务自身启动加载会消耗一些时间。给你一个 nxn 的二维矩阵 useTime，其中 useTime[i][i]=10 表示服务 i 自身启动加载需要消耗10s，useTime[i][j]=1 表示服务 i 启动依赖服务 j 启动完成，useTime[i][k]=0，表示服务 i 启动不依赖服务 k其实 0

查找知识图谱中的实例知识 知识图谱是一种结构化的语义网络，用于描述物理世界中的概念及其实例的相关关系。可以把知识图谱看成是一种有向图，图中的点是概念或实例，图中的边是概念及其实例的相关关系。 现定义一种简单的知识图谱 概念：包括父概念及其子概念，通过subClassOf关系关联，父子概念可以有多个层级； 实例:仅和概念之间通过instanceOf关系关联: 关系:以三元组的形式表示，三元组是一个以空格为成员间分隔符的字符串。例如"student subClassOf person"表示student是

给定一个二维整数矩阵，要在这个矩阵中选出一个子矩阵，使得这个子矩阵内所有的数字和尽量大，我们把这个子矩阵称为和最大子矩阵，子矩阵的选取原则是原矩阵中一块相互连续的矩形区域。.........

1.概述 （1）实体：文本中的词汇或者短语（XX大学、李白等） 并非所有词汇都是实体（守株待兔-事件；adj-鲜艳的） 两个步骤：挖掘高质量词汇；基于词汇筛选出目标相关的实体。 2.词汇挖掘-关键词提取 （1）基于统计特征 词频 tf-idf：综合考虑了词在文本中的词频和所有文本中的普遍重要性； 位置特征 词跨度：一个词在文本中首次出现和末次出现的距离，距离越长可能越重要； 词的固有属性：包括一系列特征，词长、词性，对应的句法成分、开头大小写、是否全部大小写、词缀等； （2）基于主题模型 主题模型的核心假设

假设给定单词 HELLOWORD，在矩阵中只要能找到 H->E->L->L->O->W->O->R->L->D连成的单词，就算通过。输入第 1 行包含两个整数 n、m (0 < n,m < 21) 分别表示 n 行 m 列的矩阵，第 2 行是长度不超过100的单词 W (在整个矩阵中给定单词 W 只会出现一次)，如果能在矩阵中连成给定的单词，则输出给定单词首字母在矩阵中的位置(第几行 第几列)，找到它是一个小游戏，你需要在一个矩阵中找到给定的单词。...

在学习多年的c++后发现很多知识点非常零碎不够系统，借鉴看过的《c++ primer》做一下总结，方便自己学习。 这个专栏的定位是具备c++基础的开发工程师，系统的总结c++知识，避免出现知识空白。并不会像书中那样非常详细的介绍每个特性和知识点。而只会是对知识的总结和数量。下面文章的大纲。 1、c++基础 1、变量和基本类型 2、字符串、数组 3、表达式 4、语句 5、函数 6、类 2、c++标准库 1、IO库 2、顺序容器 3、泛型算法 4、关联容器 5、动态内存 3、类设计

本文解析了使用NVIDIA CUBLAS库进行高性能矩阵乘法的关键注意事项。由于CUBLAS采用列主序存储，而C/C++使用行主序，直接调用cublasSgemm(A,B)会导致隐式转置，实际计算的是Aᵀ*Bᵀ。正确做法是颠倒参数顺序调用cublasSgemm(B,A)，这样既避免了显式转置，又能直接获得行主序结果。文中提供了完整的CUDA代码示例，包括CPU参考实现、矩阵初始化和误差检查函数，并详细解释了行/列主序转换的原理，帮助开发者正确使用CUBLAS进行高效矩阵运算。

我们深耕了数据结构核心——二叉搜索树（BST），彻底掌握了有序树形结构的增删查逻辑、有序特性与性能短板。我们明确知道，普通BST存在致命缺陷：有序数据插入会退化为链表，时间复杂度从O(logn)劣化为O(n)，完全无法用于工程开发。为了解决BST失衡问题，业界诞生了平衡二叉搜索树，而红黑树是综合性能最优、工业界最常用的平衡树，也是C++ STL有序容器的绝对底层支撑。今天我们学习的，并非简单的封装容器，其底层完全基于红黑树（Red-Black Tree）实现。

在 C++ 中主要用 sizeof获取数据类型/变量占用的内存字节数，下面分用法、示例、细节说明。

● 倍增(Binary Lifting),顾名思义就是“成倍增长”,即每次乘2● 倍增是一种算法技巧● 如果要从0增长到n,可以用1、2、4、…、2k为“跳板”,快速跳到n● 这些跳板有k=log2n个● 倍增法将线性处理(即O(n))转化为对数级(即O(log n))的处理,从而优化时间复杂度使用long long 可以确保在取模之前,乘法操作不会导致溢出,从而保证模运算的正确性。