Fix all the ** (bolded symbols).

docs/chapter_hashing/hash_collision.md

@@ -24,9 +24,9 @@ comments: true
 
 在原始哈希表中，一个桶地址只能存储一个元素（即键值对）。**考虑将桶地址内的单个元素转变成一个链表，将所有冲突元素都存储在一个链表中**，此时哈希表操作方法为：
 
-- **查询元素：** 先将 key 输入到哈希函数得到桶地址（即访问链表头部），再遍历链表来确定对应的 value 。
-- **添加元素：** 先通过哈希函数访问链表头部，再将元素直接添加到链表头部即可。
-- **删除元素：** 同样先访问链表头部，再遍历链表查找对应元素，删除之即可。
+- **查询元素**：先将 key 输入到哈希函数得到桶地址（即访问链表头部），再遍历链表来确定对应的 value 。
+- **添加元素**：先通过哈希函数访问链表头部，再将元素直接添加到链表头部即可。
+- **删除元素**：同样先访问链表头部，再遍历链表查找对应元素，删除之即可。
 
 （图）
 
@@ -46,9 +46,9 @@ comments: true
 
 「线性探测」使用固定步长的线性查找来解决哈希冲突。
 
-**插入元素：** 如果出现哈希冲突，则从冲突位置向后线性遍历（步长一般取 1 ），直到找到一个空位，则将元素插入到该空位中。
+**插入元素**：如果出现哈希冲突，则从冲突位置向后线性遍历（步长一般取 1 ），直到找到一个空位，则将元素插入到该空位中。
 
-**查找元素：** 若出现哈希冲突，则使用相同步长执行线性查找，会遇到两种情况：
+**查找元素**：若出现哈希冲突，则使用相同步长执行线性查找，会遇到两种情况：
 
 1. 找到对应元素，返回 value 即可；
 2. 若遇到空位，则说明查找键值对不在哈希表中；
@@ -64,9 +64,9 @@ comments: true
 
 顾名思义，「多次哈希」的思路是基于多个哈希函数 $f_1(x)$ , $f_2(x)$ , $f_3(x)$ , $\cdots$ 进行探测。
 
-**插入元素：** 若哈希函数 $f_1(x)$ 出现冲突，则尝试 $f_2(x)$ ，以此类推……直到找到空位后插入元素。
+**插入元素**：若哈希函数 $f_1(x)$ 出现冲突，则尝试 $f_2(x)$ ，以此类推……直到找到空位后插入元素。
 
-**查找元素：** 以相同的哈希函数顺序查找，存在两种情况：
+**查找元素**：以相同的哈希函数顺序查找，存在两种情况：
 
 1. 找到目标元素，则返回之；
 2. 到空位或已尝试所有哈希函数，说明哈希表中无此元素；

docs/chapter_hashing/hash_map.md

@@ -16,10 +16,10 @@ comments: true
 
 除了哈希表之外，还可以使用以下数据结构来实现上述查询功能：
 
-1. **无序数组：** 每个元素为  `[学号, 姓名]` ；
-2. **有序数组：** 将 `1.` 中的数组按照学号从小到大排序；
-3. **链表：** 每个结点的值为 `[学号, 姓名]` ；
-4. **二叉搜索树：** 每个结点的值为 `[学号, 姓名]` ，根据学号大小来构建树；
+1. **无序数组**：每个元素为  `[学号, 姓名]` ；
+2. **有序数组**：将 `1.` 中的数组按照学号从小到大排序；
+3. **链表**：每个结点的值为 `[学号, 姓名]` ；
+4. **二叉搜索树**：每个结点的值为 `[学号, 姓名]` ，根据学号大小来构建树；
 
 使用上述方法，各项操作的时间复杂度如下表所示（在此不做赘述，详解可见 [二叉搜索树章节](https://www.hello-algo.com/chapter_tree/binary_search_tree/#_6)）。无论是查找元素、还是增删元素，哈希表的时间复杂度都是 $O(1)$ ，全面胜出！