build

chapter_backtracking/backtracking_algorithm.md

@@ -399,7 +399,7 @@ comments: true
 
 !!! question "例题三"
 
-   在二叉树中搜索所有值为 $7$ 的节点，返回根节点到这些节点的路径，**路径中不能包含值为 $3$ 的节点**。
+    在二叉树中搜索所有值为 $7$ 的节点，返回根节点到这些节点的路径，**路径中不能包含值为 $3$ 的节点**。
 
 **解题思路**：在例题二的基础上添加剪枝操作，当遇到值为 $3$ 的节点时，则终止继续搜索。
 

chapter_hashing/hash_collision.md

@@ -43,7 +43,7 @@ comments: true
 
 ## 6.2.3.   开放寻址
 
-「开放寻址」方法不引入额外的数据结构，而是通过“多次探测”来解决哈希冲突，**探测方主要包括线性探测、平方探测、多次哈希**。
+「开放寻址」方法不引入额外的数据结构，而是通过“多次探测”来解决哈希冲突，**探测方式主要包括线性探测、平方探测、多次哈希**。
 
 ### 线性探测
 

chapter_preface/about_the_book.md

@@ -46,6 +46,6 @@ comments: true
 
 在写作过程中，我阅读了许多关于数据结构与算法的教材和文章。这些作品为本书提供了优秀的范本，确保了本书内容的准确性与品质。在此感谢所有老师和前辈们的杰出贡献！
 
-本书倡导“手脑并用”的学习方法，在此方面深受《动手学深度学习》的启发。在此向各位读者强烈推荐这本优秀著作，包括[中文版](https://github.com/d2l-ai/d2l-zh)、[英文版](https://github.com/d2l-ai/d2l-en)、[李沐老师 bilibili 主页](https://space.bilibili.com/1567748478)。
+本书倡导手脑并用的学习方式，在这一点上深受[《动手学深度学习》](https://github.com/d2l-ai/d2l-zh)的启发。在此向各位读者强烈推荐这本优秀著作。
 
 衷心感谢我的父母，正是你们一直以来的支持与鼓励，让我有机会做这些富有趣味的事。

chapter_preface/suggestions.md

@@ -8,21 +8,7 @@ comments: true
 
     为了获得最佳的阅读体验，建议您通读本节内容。
 
-## 0.2.1.   算法学习路线
-
-从总体上看，我们可以将学习数据结构与算法的过程划分为三个阶段：
-
-1. **算法入门**。我们需要熟悉各种数据结构的特点和用法，学习不同算法的原理、流程、用途和效率等方面内容。
-2. **刷算法题**。建议从热门题目开刷，如[剑指 Offer](https://leetcode.cn/problem-list/xb9nqhhg/)和[LeetCode Hot 100](https://leetcode.cn/problem-list/2cktkvj/)，先积累至少 100 道题目，熟悉主流的算法问题。初次刷题时，“知识遗忘”可能是一个挑战，但请放心，这是很正常的。我们可以按照“艾宾浩斯遗忘曲线”来复习题目，通常在进行 3-5 轮的重复后，就能将其牢记在心。
-3. **搭建知识体系**。在学习方面，我们可以阅读算法专栏文章、解题框架和算法教材，以不断丰富知识体系。在刷题方面，可以尝试采用进阶刷题策略，如按专题分类、一题多解、一解多题等，相关的刷题心得可以在各个社区找到。
-
-作为一本入门教程，本书内容主要涵盖“第一阶段”，旨在帮助你更高效地展开第二和第三阶段的学习。
-
-![算法学习路线](suggestions.assets/learning_route.png)
-
-<p align="center"> Fig. 算法学习路线 </p>
-
-## 0.2.2. &nbsp; 行文风格约定
+## 0.2.1. &nbsp; 行文风格约定
 
 标题后标注 `*` 的是选读章节，内容相对困难。如果你的时间有限，建议可以先跳过。
 
@@ -162,7 +148,7 @@ comments: true
     // 注释
     ```
 
-## 0.2.3. &nbsp; 在动画图解中高效学习
+## 0.2.2. &nbsp; 在动画图解中高效学习
 
 相较于文字，视频和图片具有更高的信息密度和结构化程度，因此更易于理解。在本书中，**重点和难点知识将主要通过动画和图解形式展示**，而文字则作为动画和图片的解释与补充。
 
@@ -172,7 +158,7 @@ comments: true
 
 <p align="center"> Fig. 动画图解示例 </p>
 
-## 0.2.4. &nbsp; 在代码实践中加深理解
+## 0.2.3. &nbsp; 在代码实践中加深理解
 
 本书的配套代码托管在[GitHub 仓库](https://github.com/krahets/hello-algo)，**源代码包含详细注释，并附有测试样例，可直接运行**。
 
@@ -202,7 +188,7 @@ git clone https://github.com/krahets/hello-algo.git
 
 <p align="center"> Fig. 代码块与对应的源代码文件 </p>
 
-## 0.2.5. &nbsp; 在提问讨论中共同成长
+## 0.2.4. &nbsp; 在提问讨论中共同成长
 
 阅读本书时，请不要“惯着”那些没学明白的知识点。**欢迎在评论区提出你的问题**，我和其他小伙伴们将竭诚为你解答，一般情况下可在两天内得到回复。
 
@@ -211,3 +197,17 @@ git clone https://github.com/krahets/hello-algo.git
 ![评论区示例](../index.assets/comment.gif)
 
 <p align="center"> Fig. 评论区示例 </p>
+
+## 0.2.5. &nbsp; 算法学习路线
+
+从总体上看，我们可以将学习数据结构与算法的过程划分为三个阶段：
+
+1. **算法入门**。我们需要熟悉各种数据结构的特点和用法，学习不同算法的原理、流程、用途和效率等方面内容。
+2. **刷算法题**。建议从热门题目开刷，如[剑指 Offer](https://leetcode.cn/problem-list/xb9nqhhg/)和[LeetCode Hot 100](https://leetcode.cn/problem-list/2cktkvj/)，先积累至少 100 道题目，熟悉主流的算法问题。初次刷题时，“知识遗忘”可能是一个挑战，但请放心，这是很正常的。我们可以按照“艾宾浩斯遗忘曲线”来复习题目，通常在进行 3-5 轮的重复后，就能将其牢记在心。
+3. **搭建知识体系**。在学习方面，我们可以阅读算法专栏文章、解题框架和算法教材，以不断丰富知识体系。在刷题方面，可以尝试采用进阶刷题策略，如按专题分类、一题多解、一解多题等，相关的刷题心得可以在各个社区找到。
+
+作为一本入门教程，本书内容主要涵盖“第一阶段”，旨在帮助你更高效地展开第二和第三阶段的学习。
+
+![算法学习路线](suggestions.assets/learning_route.png)
+
+<p align="center"> Fig. 算法学习路线 </p>

overrides/partials/comments.html

@@ -11,7 +11,7 @@
     data-strict="1"
     data-reactions-enabled="1"
     data-emit-metadata="0"
-    data-input-position="bottom"
+    data-input-position="top"
     data-theme="preferred_color_scheme"
     data-lang="zh-CN"
     crossorigin="anonymous"