diff --git a/problems/0347.前K个高频元素.md b/problems/0347.前K个高频元素.md
index 3d6c95d2..9f5e9f31 100644
--- a/problems/0347.前K个高频元素.md
+++ b/problems/0347.前K个高频元素.md
@@ -2,35 +2,48 @@
 
 ## 思路
 
+这道题目主要涉及到如下三块内容：
+1.要统计元素出现频率
+2.对频率排序
+3.找出前K个高频元素 
+
+首先统计元素出现的频率，这一类的问题可以使用map来进行统计。
+
+然后是对频率进行排序，这里我们可以使用一种 容器适配器就是优先级队列。 为什么不用快排呢， 使用快排我们要向map转换为vector的结构，然后对整个数组进行排序， 而这种场景下，我们其实只需要维护k个有序的序列就可以了，所以使用优先级队列是最优的。
+
+最后我们从优先级队列里找出前k个元素，就可以了。
 
 ## C++代码
 ```
 class Solution {
 public:
+    // 小顶堆
     class mycomparison {
     public:
         bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {
-            return lhs.second < rhs.second;
+            return lhs.second > rhs.second;
         }
     };
-    // 如何定义priQue
-    // 如何定义cmp
-    // 如何遍历map
     vector<int> topKFrequent(vector<int>& nums, int k) {
-        unordered_map<int, int> map;
+        // 要统计元素出现频率
+        unordered_map<int, int> map; // map<nums[i],对应出现的次数>
         for (int i = 0; i < nums.size(); i++) {
             map[nums[i]]++;
         }
-        // greater<pair<int, int>> 也可以
-        priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;
 
-        // 当然可以使用auto
+        // 对频率排序
+        // 定义一个小顶堆，大小为k
+        priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;
         for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
             pri_que.push(*it);
+            if (pri_que.size() > k) {
+                pri_que.pop();
+            }
         }
-        // 一开始就确定空间
+
+        // 找出前K个高频元素
         vector<int> result(k);
-        for (int i = 0; i < k; i++) {
+        for (int i = k - 1; i >= 0; i--) {
             result[i] = pri_que.top().first;
             pri_que.pop();
         }
@@ -38,5 +51,9 @@ public:
 
     }
 };
+// 时间复杂度：O(nlogk)
+// 空间复杂度：O(n)
 ```
 
+> 更多算法干货文章持续更新，可以微信搜索「代码随想录」第一时间围观，关注后，回复「Java」「C++」 「python」「简历模板」「数据结构与算法」等等，就可以获得我多年整理的学习资料。
+