⑴ 程序員升職記這個游戲對小白入門有幫助嗎
《程序員的數學》
書中講 解了二進制計數法、邏輯、余數、排列組合、遞歸、指數爆炸、不可解問題等許多與編程密切相關的數學方法，分析了哥尼斯堡七橋問題、少年高斯求和方法、漢諾塔、斐波那契數列等經典問題和演算法。引導讀者深入理解編程中的數學方法和思路。
本書還對程序員和計算機的分工進行了有益的探討。讀完此書，你會對以程序為媒介的人機合作有更深刻的理解。
演算法領域的經典參考書——《演算法•第4版》
《演算法•第4版》全面介紹了關於演算法和數據結構的必備知識，並特別針對排序、搜索、圖處理和字元串處理進行了論述。第4 版具體給出了每位程序員應知應會的50 個演算法，提供了實際代碼，而且這些Java 代碼實現採用了模塊化的編程風格，讀者可以方便地加以改造。本書配套網站提供了本書內容的摘要及更多的代碼實現、測試數據、練習、教學課件等資源。
《計算機程序設計藝術》系列
《卷1：基本演算法（第3版）》講解基本演算法，其中包含了其他各卷都需用到的基本內容。本卷從基本概念開始，然後講述信息結構，並輔以大量的習題及答案。
《卷2：半數值演算法（第3版）》全面講解了半數值演算法，分「隨機數」和「算術」兩章。書中總結了主要演算法範例及這些演算法的基本理論，廣泛剖析了計算機程序設計與數值分析間的相互聯系。
《卷3：排序與查找（第2版）》擴展了卷1中信息結構的內容，主要講排序和查找。書中對排序和查找演算法進行了詳細的介紹並對各種演算法的效率做了大量的分析。
《演算法的樂趣》
《演算法的樂趣》從一系列有趣的生活實例出發，全面介紹了構造演算法的基礎方法及其廣泛應用，生動地展現了演算法的趣味性和實用性。全書分為兩個部分，第一部分介紹了演算法的概念、常用的演算法結構以及實現方法，第二部分介紹了演算法在各個領域的應用，如物理實驗、計算機圖形學、數字音頻處理等。其中，既有各種大名鼎鼎的演算法，如神經網路、遺傳演算法、離散傅里葉變換演算法及各種插值演算法，也有不起眼的排序和概率計算演算法。講解淺顯易懂而不失深度和嚴謹，對程序員有很大的啟發意義。書中所有的示例都與生活息息相關，淋漓盡致地展現了演算法解決問題的本質，讓你愛上演算法，樂在其中。
《啊哈！演算法》
沒有枯燥的描述，沒有難懂的公式，一切以實際應用為出發點，通過幽默的語言配以可愛的插圖來講解演算法。你更像是在閱讀一個個輕松的小故事或是在玩一把趣味解謎 游戲，在輕松愉悅中便掌握演算法精髓，感受演算法之美。
本書中涉及的數據結構有棧、隊列、鏈表、樹、並查集、堆和圖等；涉及的演算法有排序、枚舉、 深度和廣度優先搜索、圖的遍歷，當然還有圖論中不可以缺少的四種最短路徑演算法、兩種最小生成樹演算法、 割點與割邊演算法、二分圖的最大匹配演算法等。
網頁鏈接
⑵ 請問有：啊哈!演算法 這本書的pdf完全版嗎謝謝！
親，手機用戶部分網址不可見=轉到電腦即可，如可見復制網址到瀏覽器即可下載
資源已光速上傳網路雲，請盡快查收吧。
若滿意請【採納】呦！有疑問請及時追問。
親請放心下載，附件下載的財富值只針對其他童鞋，
提問者無需再支付財富值了喲，么么噠！
⑶ 如何計算網站網頁相似度
據統計，網頁上的大部分相同的頁面佔29%，而主體內容完全相同的佔22%，這些重復網頁有的是沒有一點改動的拷貝，有的在內容上稍作修改，比如同一文章的不同版本，一個新一點，一個老一點，有的則僅僅是網頁的格式不同（如 HTML, Postscript）,文獻[Models and Algorithms for Duplicate Document Detection 1999年]將內容重復歸結為以下四個類型:
1.如果2篇文檔內容和格式上毫無差別，則這種重復叫做full-layout plicate。
2.如果2篇文檔內容相同，但是格式不同，則叫做full-content plicates
3.如果2篇文檔有部分重要的內容相同，並且格式相同，則稱為partial-layout plicates
4.如果2篇文檔有部分重要的內容相同，但是格式不同，則稱為partial-content plicates
網頁去重的任務就是去掉網頁中主題內容重復的部分。它和網頁凈化（noise rection），反作弊（antispam) 是搜索引擎的3大門神
去重在我看來起碼有四好處：減少存儲；增強檢索效率；增強用戶的體驗；死鏈的另一種解決方案。
目前從網路的搜索結果來看，去重工作做的不是很完善，一方面可能是技術難度（precision和recall都超過90%還是很難的）；另一方面可能是重復的界定，比如轉載算不算重復？所以另一項附屬的工作是對個人可寫的頁面(PWP)進行特殊的處理,那麼隨之而來的工作就是識別PWP頁面。^_^這里就不扯遠呢。
問題如何解決？
網頁的deplication，我們的演算法應該是從最簡單的開始，最樸素的演算法當然是
對文檔進行兩兩比較，如果A和B比較，如果相似就去掉其中一個
然而這個樸素的演算法，存在幾個沒有解決的問題：
0.要解決問題是什麼？full-layout？full-content？partial-layout還是partial-content？
1. 怎麼度量A 和 B的相似程度
2. 去掉A還是去掉B，如果A ～B（～表相似,!~表示不相似），B～C 但是 A!~C，去掉B的話，C就去不掉。另一個更深入的問題是，演算法的復雜度是多少?假設文檔數為n，文檔平均長度為m，如果相似度計算復雜度為m的某一個復雜度函數：T=T（m），文檔兩兩比較的復雜度是O（n^2)，合起來是O（n^2 * T(m)) . 這個復雜度是相當高的，想搜索引擎這樣處理海量數據的系統，這樣的復雜度是完全不能接受的，所有，另外三個問題是：
3. 如何降低相似度計算的復雜化度
4. 如何減少文檔比較的復雜度
5. 超大數據集該如何處理
第0個問題是，我們要解決的關鍵，不同的問題有不同的解決方法，從網頁的角度來看，結構的重復並不能代表是重復，比如產品展示頁面，不同的產品展示頁面就有相同的文檔結構。內容來看，復制網站會拷貝其他網站的主要內容，然後加些廣告或做些修改。所以，解決的問題是，partial-content deplication，那麼首先要抽取網頁的主體內容。演算法變成：
抽取文檔主體內容，兩兩比較內容的相似性，如果A和B相似，去掉其中一個
其次，問題2依賴於問題1的相似度度量，如果度量函數具有傳遞性，那麼問題2就不存在了，如果沒有傳遞性，我們的方法是什麼呢？哦，那就找一個關系，把相似關系傳遞開嘛，簡單，聚類嘛，我們的框架可以改成：
抽取文檔主體內容，兩兩比較內容的相似性，如果A和B相似，把他們聚類在一起，最後一個類里保留一個page
最後，歸納為幾個步驟
第一步：識別頁面的主題內容，網頁凈化的一部分，以後討論
第二步：計算相似度
第三步：聚類演算法，計算出文檔那些文檔是相似的，歸類。
核心的問題是，「如何計算相似度？」這里很容易想到的是
1. 計算內容的編輯距離edit distance（方法很有名，但是復雜度太高）
2. 把內容分成一個個的token，然後用集合的jaccard度量（好主意，但是頁面內容太多，能不能減少啊？）
好吧，但是，當然可以減少集合的個數呢，采樣，抽取滿足性質的token就可以啦，如滿足 mod m =0 的token，比如有實詞？比如stopwords。真是絕妙的注意.在把所有的idea放一起前，突然靈光一現，啊哈，
3. 計算內容的信息指紋，參考google研究員吳軍的數學之美系列。
把他們放在一起：
第一步：識別頁面的主題內容，網頁凈化的一部分，以後討論
第二步：提取頁面的特徵。將文章切分為重合和或不重合的幾個結合，hash out
第三步：用相似度度量來計算集合的相似性，包括用信息指紋，Jaccard集合相似度量，random projection等。
第四步：聚類演算法，計算出文檔那些文檔是相似的，歸類。
方法分類：
按照利用的信息，現有方法可以分為以下三類
1．只是利用內容計算相似
2．結合內容和鏈接關系計算相似
3．結合內容，鏈接關系以及url文字進行相似計算
一般為內容重復的去重，實際上有些網頁是
按照特徵提取的粒度現有方法可以分為以下三類
1.按照單詞這個級別的粒度進行特徵提取.
2.按照SHINGLE這個級別的粒度進行特徵提取.SHNGLE是若干個連續出現的單詞,級別處於文檔和單詞之間,比文檔粒度小,比單詞粒度大.
3.按照整個文檔這個級別的粒度進行特徵提取
演算法-具體見真知
1. I-Match
2. Shingling
3. Locality Sensitive Hashing.(SimHash)
4. SpotSigs
5. Combined