百度NLP三面

首先，面试官根据项目经验进行提问，主要是自然语言处理相关的问题；然后写代码题，字符串处理和数字运算居多；再者是一些语言基础知识，百度用的linux平台，C++和python居多。下面列出我面试中的一些问题：

1. 文本挖掘中，分词算法？如何选取特征？如何进行相似度计算，文本聚类结果如何评估？
2. 分词时，为了提高效率，怎么存储词典？（键树）如何压缩存储？
3. 一个字符数组中，每个字符都出现了3次，只有一个出现了2次，如果快速找出这个出现2次的？ 可以参考《编程之美》中的一个题。
   （1）先排序再找，慢！
   （2）hash，耗空间
   （3）位运算
4. 使用 collabedit 写代码。很多公司的电话面试都会使用collabedit 来测试面试者的编码水平。比如美团、微软、百度。 输入：数组 int a[n]
   要求：去掉连续的重复数字，
   输出：新数组
   例如：1，2，2，2，1，3，5——> 3，5
5. C关键字 entern用法，define和const区别

总结：基础知识需要有，但是更看重编码能力。如果写代码时表现优秀，可以弥补专业的不足。所以咯，还是要刷题刷题，leetcode！

基本的要求：熟悉linux，会写shell脚本，最好会python
基本的NLP知识，比如分词，词性标注，专名识别等等
数据挖掘或者机器学习的算法，比如KNN，决策树，逻辑回归，SVM之类的