diff --git a/problems/0127.单词接龙.md b/problems/0127.单词接龙.md
index f1c6f182..6d719691 100644
--- a/problems/0127.单词接龙.md
+++ b/problems/0127.单词接龙.md
@@ -158,6 +158,57 @@ class Solution:
         return 0
 ```
 ## Go 
+```go
+func ladderLength(beginWord string, endWord string, wordList []string) int {
+	wordMap, que, depth := getWordMap(wordList, beginWord), []string{beginWord}, 0
+	for len(que) > 0 {
+		depth++
+		qLen := len(que) // 单词的长度
+		for i := 0; i < qLen; i++ {
+			word := que[0]
+			que = que[1:] // 首位单词出队
+			candidates := getCandidates(word)
+			for _, candidate := range candidates {
+				if _, exist := wordMap[candidate]; exist { // 用生成的结果集去查询
+					if candidate == endWord {
+						return depth + 1
+					}
+					delete(wordMap, candidate) // 删除集合中的用过的结果
+					que = append(que, candidate) 
+				}
+			}
+		}
+	}
+	return 0
+}
+
+
+// 获取单词Map为后续的查询增加速度
+func getWordMap(wordList []string, beginWord string) map[string]int {
+	wordMap := make(map[string]int)
+	for i, word := range wordList {
+		if _, exist := wordMap[word]; !exist {
+			if word != beginWord {
+				wordMap[word] = i
+			}
+		}
+	}
+	return wordMap
+}
+
+// 用26个英文字母分别替换掉各个位置的字母，生成一个结果集
+func getCandidates(word string) []string {
+	var res []string
+	for i := 0; i < 26; i++ {
+		for j := 0; j < len(word); j++ {
+			if word[j] != byte(int('a')+i) {
+				res = append(res, word[:j]+string(int('a')+i)+word[j+1:])
+			}
+		}
+	}
+	return res
+}
+```
 
 ## JavaScript
 ```javascript
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 a7049ae6..f08f7b8d 100644
--- a/problems/0347.前K个高频元素.md
+++ b/problems/0347.前K个高频元素.md
@@ -140,24 +140,55 @@ public:
 Java：
 ```java
 
+/*Comparator接口说明:
+ * 返回负数，形参中第一个参数排在前面；返回正数，形参中第二个参数排在前面
+ * 对于队列：排在前面意味着往队头靠
+ * 对于堆（使用PriorityQueue实现）：从队头到队尾按从小到大排就是最小堆（小顶堆），
+ *                                从队头到队尾按从大到小排就是最大堆（大顶堆）--->队头元素相当于堆的根节点
+ * */
 class Solution {
-    public int[] topKFrequent(int[] nums, int k) {
-        int[] result = new int[k];
-        HashMap<Integer, Integer> map = new HashMap<>();
-        for (int num : nums) {
-            map.put(num, map.getOrDefault(num, 0) + 1);
+    //解法1：基于大顶堆实现
+    public int[] topKFrequent1(int[] nums, int k) {
+        Map<Integer,Integer> map = new HashMap<>();//key为数组元素值,val为对应出现次数
+        for(int num:nums){
+            map.put(num,map.getOrDefault(num,0)+1);
         }
-
-        Set<Map.Entry<Integer, Integer>> entries = map.entrySet();
-        // 根据map的value值，构建于一个大顶堆（o1 - o2: 小顶堆， o2 - o1 : 大顶堆）
-        PriorityQueue<Map.Entry<Integer, Integer>> queue = new PriorityQueue<>((o1, o2) -> o2.getValue() - o1.getValue());
-        for (Map.Entry<Integer, Integer> entry : entries) {
-            queue.offer(entry);
+        //在优先队列中存储二元组(num,cnt),cnt表示元素值num在数组中的出现次数
+        //出现次数按从队头到队尾的顺序是从大到小排,出现次数最多的在队头(相当于大顶堆)
+        PriorityQueue<int[]> pq = new PriorityQueue<>((pair1, pair2)->pair2[1]-pair1[1]);
+        for(Map.Entry<Integer,Integer> entry:map.entrySet()){//大顶堆需要对所有元素进行排序
+            pq.add(new int[]{entry.getKey(),entry.getValue()});
         }
-        for (int i = k - 1; i >= 0; i--) {
-            result[i] = queue.poll().getKey();
+        int[] ans = new int[k];
+        for(int i=0;i<k;i++){//依次从队头弹出k个,就是出现频率前k高的元素
+            ans[i] = pq.poll()[0];
         }
-        return result;
+        return ans;
+    }
+    //解法2：基于小顶堆实现
+    public int[] topKFrequent2(int[] nums, int k) {
+        Map<Integer,Integer> map = new HashMap<>();//key为数组元素值,val为对应出现次数
+        for(int num:nums){
+            map.put(num,map.getOrDefault(num,0)+1);
+        }
+        //在优先队列中存储二元组(num,cnt),cnt表示元素值num在数组中的出现次数
+        //出现次数按从队头到队尾的顺序是从小到大排,出现次数最低的在队头(相当于小顶堆)
+        PriorityQueue<int[]> pq = new PriorityQueue<>((pair1,pair2)->pair1[1]-pair2[1]);
+        for(Map.Entry<Integer,Integer> entry:map.entrySet()){//小顶堆只需要维持k个元素有序
+            if(pq.size()<k){//小顶堆元素个数小于k个时直接加
+                pq.add(new int[]{entry.getKey(),entry.getValue()});
+            }else{
+                if(entry.getValue()>pq.peek()[1]){//当前元素出现次数大于小顶堆的根结点(这k个元素中出现次数最少的那个)
+                    pq.poll();//弹出队头(小顶堆的根结点),即把堆里出现次数最少的那个删除,留下的就是出现次数多的了
+                    pq.add(new int[]{entry.getKey(),entry.getValue()});
+                }
+            }
+        }
+        int[] ans = new int[k];
+        for(int i=k-1;i>=0;i--){//依次弹出小顶堆,先弹出的是堆的根,出现次数少,后面弹出的出现次数多
+            ans[i] = pq.poll()[0];
+        }
+        return ans;
     }
 }
 ```
diff --git a/problems/0416.分割等和子集.md b/problems/0416.分割等和子集.md
index 03eae8ef..fa677da0 100644
--- a/problems/0416.分割等和子集.md
+++ b/problems/0416.分割等和子集.md
@@ -152,6 +152,8 @@ public:
         for (int i = 0; i < nums.size(); i++) {
             sum += nums[i];
         }
+        // 也可以使用库函数一步求和
+        // int sum = accumulate(nums.begin(), nums.end(), 0);
         if (sum % 2 == 1) return false;
         int target = sum / 2;