百度面试题 字符串相似度 算法 similar_text 和页面相似度算法

Posted 2020-06-17 十一点睡觉

在百度的面试，简直就是花样求虐。

首先在面试官看简历的期间，除了一个自己定义字符串相似度，并且写出求相似度的算法。

。。。这个确实没听说过，php的similar_text函数也是闻所未闻的。之前看seo的时候，到简单了解了一下页面的相似度，百度算法中很常见的需要判断页面是否是重复的，重复的肯定就不收录了，做seo很重的一个工作就是写原创文章，以保持网站的更新，吸引百度的收录，以增加流量。

页面的相似度，是纯数学的，因为百度的主要是收录中文，所以中文需要先拆词，然后计算词语的在文章中出现的频度。然后这些词组加权，求出一个向量，然后求两个页面的余弦值。这个东西反正肯定不会，扯淡还是扯的。

这里的字符串的相似度，是譬如abacbcd和abcbcd之类的没有意义的纯字符串。

既然让自己定义，肯定定义一个简单的了，主要就是查找最大相同的字符串及长度。（漏掉好多可能）

回来自己查了一下。才发现如下：

这个similar_text分为三步

第一步

以后接着写。