1.猎豹常常要根据商家的要求，把广告推送给具备不同标签的用户。比如用的用户可能对3c和toys感兴趣，有的可能对汽车感兴趣。我们有一个矩阵。
t1 t2 t3...... tn
user1 0 1 0 1
user2 0 1 1 0
...
...
usern 1 1 0 1
矩阵中的元素，代表用户对列标签是否感兴趣。
问题：商家给定一个标签序列比如t1t3t5t7,怎么求出系统中有多少用户对这些标签感兴趣，注意，标签序列是或的性质，不要求精确求解，只需要估计出一个大概的数值。
解答：这一题，我一开始的想法是直接的按列或操作。但是这样的话，复杂度会非常大。比如说，商家甲要求的标签是t1t2t3，商家乙要求的标签是t1t2...tn，这样的话，每来一个商家，就需要进行一次与操作。算法效率很低下。
后来面试官提醒我，可以从概率的角度进行思考。比如说要求p1Up2...Upn的概率(在这里p1指的是对t1标签感兴趣的用户的概率，其他类似)，可以按照下图进行求得。
上面的推导其实用到了德·摩根律，公式如下：
-
- (A ∪B)C = AC ∩BC
- (A ∩B)C = AC ∪BC
-
2.面试官问到了我一点，末次点击率是怎么计算出来的。我当时不知道怎么回答。到公司之后，希望可以问下公司的同事，那个0.5的含义。
-
3.建堆的时间复杂度
- 建立一个堆，有两种建堆方式。一种是逐个插入，一个是先是乱序，之后从[NodeNum/2...1]进行 下滤 操作。无论是哪一种建堆方法，时间复杂度都是 O(n) 。
- 记住，只有 插入的时候用到上滤操作 ，删除和建堆的时候，都是用到 下滤操作 ！！！