推荐系统常考面试大题.pdf
需积分: 35 170 浏览量
2020-05-17
09:45:33
上传
评论 2
收藏 2.92MB PDF 举报
目录
请详细说说协同过滤的原理..................................................................................................................... 2
搜索和推荐中的精度和召回(recall)分别是什么意思？ ................................................................... 14
推荐系统有哪些常用的评价标准 .......................................................................................................... 18
请详细聊聊推荐系统里的排序算法...................................................................................................... 20
怎么解决推荐系统中的冷启动问题？ ................................................................................................. 33
请聊聊你所了解的推荐系统算法 .......................................................................................................... 38
了解隐语义模型在推荐系统中的应用的么？ .................................................................................... 42
如何通俗理解奇异值分解 ....................................................................................................................... 51
请通俗的解释下什么叫张量分解？...................................................................................................... 70
请说说隐语义模型 LFM 背后的原理 .................................................................................................... 76
请详细说说你对 Learning to rank 的通俗理解 .................................................................................. 83
简述推荐系统的演进史 ........................................................................................................................ 116
推荐系统评估(从用户\内容提供方\网站角度)................................................................................ 117
推荐系统常用评估指标 ........................................................................................................................ 117
推荐系统准确性(学术界)的评估函数 ................................................................................................ 118
推荐系统多样性&新颖性&惊喜性..................................................................................................... 119
解释 Exploitation & Exploration.......................................................................................................... 119
Bandit 算法-原理 ................................................................................................................................... 119
什么是多层重叠试验框架? .................................................................................................................. 120
预训练方法 BERT 和 OpenAI GPT 有什么区别？.......................................................................... 120
对比 BERT、OpenAI GPT、ELMo 预训练模型架构间差异.......................................................... 121
GCN 方法分为哪两类？ ...................................................................................................................... 121
什么是图卷积神经网络？ .................................................................................................................... 122
如何理解图卷积算法？ ........................................................................................................................ 122
GCN 有哪些特征？ ................................................................................................................................ 123
已知基于数据驱动的机器学习和优化技术在单场景内的 A/B 测试上，点击率、转化率、成交
额、单价都取得了不错的效果。 但是，目前各个场景之间是完全独立优化的，这样会带来
哪些比较严重的问题 ？ ...................................................................................................................... 123
什么是多场景联合排序算法 ？ ......................................................................................................... 124
IRGAN 框架具体是什么？.................................................................................................................... 124
推荐页与搜索页特性有什么不同？................................................................................................... 125
推荐系统常用的评价指标有哪些？................................................................................................... 125
请画出点击率预估流程图，分为那两部分？ ................................................................................. 127
使用 FFM 有哪些需要注意的地方...................................................................................................... 128
什么是 DSSM?有什么优缺点？ .......................................................................................................... 128
什么是 wide&deep 模型？ .................................................................................................................. 129
Join training 和 ensemble training 有什么区别？.......................................................................... 130
简述 DeepFM 模型？ ............................................................................................................................ 130
Collaborative Knowledge Base Embedding 使用哪三种知识的学习？.................................... 131
怎样将知识图谱引入推荐系统 ？..................................................................................................... 131
普通的逻辑回归能否用于大规模的广告点击率预估 ，为什么？ ............................................ 132
FTRL 在准备训练数据（特征工程）和训练模型时有哪些 trick ？ .......................................... 132
剩余135页未读，继续阅读
资源评论
