字母表；及查詢提示分析

今日面試題：字母表

每一種語言，都有自己的字母表，類似英文的a-z，但是順序不相同。例如，有的語言可能是z是第一個之類的。現在給定這個語言的字典，請分析這個字典，得到這個語言的字母表的順序。 例如：有如下的字母：

1. C
2. CAC
3. CB
4. BCC
5. BA

經過分析，得到字母表為C->B->A。

===============================================

查詢提示分析

原題

搜尋引擎的查詢提示(suggestion)是非常重要的一個功能。現在給定查詢列表，以及每一個查詢對應的頻率。請設計一種查詢提示的實現方案，要兼顧效果和速度。如果有其他更好的優化點，請給出詳細說明。

分析

這個功能，在搜尋引擎裡是非常常用的。使用者在逐個輸入每一個查詢詞的時候，給出查詢的提示，使用者可以選擇，完成查詢的輸入。這個過程，查詢的提示必須要快。要不然，使用者都輸入完了，還沒有提示，體驗太差。那這個問題要怎麼做呢？

給定的查詢日誌是這樣的：
query1 num1
query2 num2
query3 num3
…
queryn numn

具體的query可能是“薛蠻子”“郭敬明”等等。使用者輸入時，會有哪些狀態呢？

薛
薛蠻
薛蠻子

當使用者輸入完“薛”的時候，就要提示以“薛”開頭的哪些查詢，而且是查詢頻率最高的10個，一般是10個。這裡是考慮總的查詢的頻率最高的10個，在實際的過程中，可以考慮當前熱門的查詢，可能總的次數比較少，但是近幾天使用者差得非常多，這樣的查詢也一定要能夠提示。

形式與目的我們都清楚了。具體做法也是比較多的，最直接的，容易想到trie樹，因為上面列出的幾種狀態，就是字首。那一棵字首樹，顯然是最合適的。我們在這裡，就不詳細說明trie的結構，只給出如何應用trie樹。trie樹的構建：

對於所有查詢，構建trie樹，並且，對於查詢結束的節點，進行標記，儲存查詢的頻率。
由葉子節點開始向上，比如，葉子節點A，父節點為B，B儲存top10的查詢，包括：所有葉子節點代表的查詢，以及，如果B是查詢結束節點，也包括B節點，按照頻率排序的10個查詢。依次向上處理，父節點的top10，是所有子節點的top10合併而成。

這樣查詢的時候，直接是對trie進行查詢，到某一個節點，讀取這個節點儲存的top10查詢即可，同時，這棵樹，對於更新非常友好，可以新增頻率，從葉子節點，回溯到根節點，即可。

或者，採用trie樹，不再節點儲存top10查詢，查詢讀取到可能類表之後再進行查詢，這樣會慢一些，但是記憶體開銷稍微小一些。但，總的來說，trie樹的記憶體開銷是非常大的。那麼，我們看下面的方法。

一般，參與過搜尋引擎的開發過程的，尤其是檢索部分的同學，這個題目，第一個想法，可能不是trie樹，而是倒排結構。總的來講，應用倒排結構，有如下特點，也是和trie樹進行對比：

查詢快
方便壓縮，節省記憶體
更新不方便，可以採用定期重建

具體倒排的做法：

對於每一個查詢的所有字首，做為倒排的索引項，建立倒排
每一個倒排，只儲存top10頻率的查詢

除了上面介紹的之外，還需要考慮拼音等，思路大體相同。只不過更加需要注意記憶體的消耗。

【分析完畢】

本文來自微信：待字閨中，2013-08-26釋出，原創@陳利人 ，歡迎大家繼續關注微信公眾賬號“待字閨中”。