收藏题目

(下面的题目来自http://hx901010.iteye.com/blog/977128)
1.介绍做过的项目，核心思想
2.笔试的最后一道编程题，一段英文，用空格分隔，给出N个关键词，提取包含所有这些关键词的最短的句子extractSummary（String passage，String[] keyWords)
3.给你一堆url，其中有重复的，如何去重。。。（不能一个个比较，效率太低）
4.假如你要做个微博系统，存储全国网民发的微博，需要多大的硬盘（我完全懵了。。我问这是不断增加的啊，面试官说，好，那就说一年的，你就说说你的思路~~），最后还有如何优化的问题，我想了半天，说压缩。。面试官说，还有去重，比如一条微博有很多人转的话，存一次就行了
5.信息检索的关键技术。。。
6.还是上面的，因为我的答案有同义词关联词的研究，于是面试官就问我，给你一堆网页，你怎么研究出一个关联词库。。
7.现在的新闻很多都是相似的，比如说同一段新闻在各大门户网站都出现了，怎么判断哪些网页是相似的。。