build

docs/chapter_heap/top_k.md

@@ -2,11 +2,11 @@
 comments: true
 ---
 
-# 8.3   Top-K 问题
+# 8.3   Top-k 问题
 
 !!! question
 
-    给定一个长度为 $n$ 的无序数组 `nums` ，请返回数组中前 $k$ 大的元素。
+    给定一个长度为 $n$ 的无序数组 `nums` ，请返回数组中最大的 $k$ 个元素。
 
 对于该问题，我们先介绍两种思路比较直接的解法，再介绍效率更高的堆解法。
 
@@ -36,7 +36,7 @@ comments: true
 
 ## 8.3.3   方法三：堆
 
-我们可以基于堆更加高效地解决 Top-K 问题，流程如图 8-8 所示。
+我们可以基于堆更加高效地解决 Top-k 问题，流程如图 8-8 所示。
 
 1. 初始化一个小顶堆，其堆顶元素最小。
 2. 先将数组的前 $k$ 个元素依次入堆。
@@ -419,4 +419,4 @@ comments: true
 
 总共执行了 $n$ 轮入堆和出堆，堆的最大长度为 $k$ ，因此时间复杂度为 $O(n \log k)$ 。该方法的效率很高，当 $k$ 较小时，时间复杂度趋向 $O(n)$ ；当 $k$ 较大时，时间复杂度不会超过 $O(n \log n)$ 。
 
-另外，该方法适用于动态数据流的使用场景。在不断加入数据时，我们可以持续维护堆内的元素，从而实现最大 $k$ 个元素的动态更新。
+另外，该方法适用于动态数据流的使用场景。在不断加入数据时，我们可以持续维护堆内的元素，从而实现最大的 $k$ 个元素的动态更新。