百度笔试题

虽然是面经,写一个就挂一个,而且特别想去百度,比较在北京, 阿里辜负了我的心意。但是,为了总结,也不怕诅咒了。
百度面试题:前2题和简单,就不赘述了。
第三题:
一个树, 数组存储, 在一些节点上有苹果,小猴子可以从任意节点上开始,沿着任意的路径去寻找苹果,前提是一个节点只能经过一次,寻找出可以发现苹果最大的路径,返回可以找到的苹果个数。
思路 : 1 首先构造这个数, 这个是 多叉树,用数组存储。 2. 递归的 搜索路径

当时时间不够了,没写完整,所以感觉百度悬了,现在post出代码来,假如有错误,可以帮我修订,或者直接去github上给我pull requst。

#include<iostream>
#include<algorithm>
#include<map>
#include<set>
#include<vector>
#include<stack>
#include<functional>
using namespace std;
struct TreeNode{
	vector<TreeNode*> clild;
	int val;
	int app;
	TreeNode(int v, int a):val(v),app(a){}
};
void findMax(vector<int>res, int &first, int &second){
	if(res.size() == 0)return ;
	if(res.size() == 1){
		first = res[0];
		return ;
	}
	first = max(res[0],res[1]);
	second = min(res[0],res[1]);
	for(int i = 2; i < res.size();i ++){
		if(res[i] > first){
			second = first;
			first = res[i];

		}else if(res[i] <= first && res[i] > second){
			second = res[i];
		}
		
	}
}

class Solution {
private:
    int maxval;
    int maxHelper(TreeNode *root){
        if(root == NULL)return 0;
		vector<TreeNode*> child = root->clild;
		vector<int>res;
		for(int i = 0; i < child.size(); i++){
			int v = maxHelper(child[i]);
			res.push_back(v);
		}
		int first = 0;
		int second = 0;
		findMax(res,first,second);
        maxval = std::max(maxval,first+second+root->app);
        return first+root->app;
	}
	TreeNode* count(int N, int K, int * app, int T[][2]){
		set<int> s;
		for(int i = 0; i < K; i++){
			s.insert(app[i]);
		}
		vector<TreeNode *> nodes;
		for(int i = 0; i < N ; i++){
			int a = 0;
			if(s.find(i+1) != s.end()){
				a = 1;
			}else{
				a = 0;
			}
			TreeNode * node = new TreeNode(i+1,a);
			nodes.push_back(node);
		}
		for(int i = 0; i < N -1; i++){
			int fisrt = T[i][0];
			int second = T[i][1];
			nodes[ fisrt-1]-> clild.push_back(nodes[second-1]);
		}
		return nodes[0];
	}
public:
    int maxPathSum(int N, int K, int * app, int T[][2]) {
        maxval = INT_MIN;
        maxHelper(count(N,K,app,T));
        return maxval;
    }

};

点击进入 github地址



本项目构建于RASA开源架构之上,旨在实现一个具备多模态交互能力的智能对话系统。该系统的核心模块涵盖自然语言理解、语音转文本处理以及动态对话流程控制三个主要方面。 在自然语言理解层面,研究重点集中于增强连续对话中的用户目标判定效能,并运用深度神经网络技术提升关键信息提取的精确度。目标判定旨在解析用户话语背后的真实需求,从而生成恰当的反馈;信息提取则专注于从语音输入中析出具有特定意义的要素,例如个体名称、空间位置或时间节点等具体参数。深度神经网络的应用显著优化了这些功能的实现效果,相比经典算法,其能够解析更为复杂的语言结构,展现出更优的识别精度与更强的适应性。通过分层特征学习机制,这类模型可深入捕捉语言数据中隐含的语义关联。 语音转文本处理模块承担将音频信号转化为结构化文本的关键任务。该技术的持续演进大幅提高了人机语音交互的自然度与流畅性,使语音界面日益成为高效便捷的沟通渠道。 动态对话流程控制系统负责维持交互过程的连贯性与逻辑性,包括话轮转换、上下文关联维护以及基于情境的决策生成。该系统需具备处理各类非常规输入的能力,例如用户使用非规范表达或对系统指引产生歧义的情况。 本系统适用于多种实际应用场景,如客户服务支持、个性化事务协助及智能教学辅导等。通过准确识别用户需求并提供对应信息或操作响应,系统能够创造连贯顺畅的交互体验。借助深度学习的自适应特性,系统还可持续优化语言模式理解能力,逐步完善对新兴表达方式与用户偏好的适应机制。 在技术实施方面,RASA框架为系统开发提供了基础支撑。该框架专为构建对话式人工智能应用而设计,支持多语言环境并拥有活跃的技术社区。利用其内置工具集,开发者可高效实现复杂的对话逻辑设计与部署流程。 配套资料可能包含补充学习文档、实例分析报告或实践指导手册,有助于使用者深入掌握系统原理与应用方法。技术文档则详细说明了系统的安装步骤、参数配置及操作流程,确保用户能够顺利完成系统集成工作。项目主体代码及说明文件均存放于指定目录中,构成完整的解决方案体系。 总体而言,本项目整合了自然语言理解、语音信号处理与深度学习技术,致力于打造能够进行复杂对话管理、精准需求解析与高效信息提取的智能语音交互平台。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值