#美团暑期# #推荐算法面经# #凉经# 第一次笔试(机试)213/500第二次笔试(机试)390/500100+100+100+80+10#一面-时间:2024年3月26日 11:00,总计58分钟-自我介绍-论文-本科推荐系统项目 -职责 -开发人数 -召回用了什么算法 -个性化和非个性化 -召回怎么做融合的 -排序用了什么算法 -介绍DeepFM的FM侧怎么做的特征交叉 -图片的推荐需要哪些信息,怎么给用户推荐的 -是否需要query文本,有query的话就会变成一个搜索系统 -有的话会考虑query的查询,没有则变为个性化推荐 -对于query文本,有做哪些增强 -字符匹配以及文本embedding相似度计算 -改进的话,可以考虑构建近义词或者tag graph融合多跳邻居关系,即以query文本为seed种子,扩展其语义。 -文本embedding怎么做的 -word2vec -word2vec怎么训练的,是在自己数据集上训练的吗 -不是,是用的开源的大语料库进行的NLP模型训练。实际上使用小规模数据集训练NLP模型,效果并不会太好 -简历上写了冷启动问题,怎么解决的 -爬虫爬取社交网站,获得数据 -真实业务场景中也会遇见冷启动问题,怎么解决 -协同过滤 itemCF和UserCF -基于内容的物品推荐 -基于profile的用户相似度计算 -看你了解序列推荐,描述一下你的理解 -介绍Transformer的结构 -Transformer怎么应用在序列推荐中的 -主要用的是解码器部分,QKV,mask的多头注意力机制 -SASRec,TiSASRec-三数之和:板子题-提问:手上有offer吗 -答:腾讯和阿里云过了一面-反问: -团队规模 -业务:到家群,综合、广告、门票,搜广推相关 -我对该岗位来说,还有哪些需要提升和学习的(这个问题是重中之重,可以侧面了解面试官的态度,对后续面试准备进行启发):综合能力挺强的,如果想进大厂建议专精于召回、精排等某一方面。===4.1早进入人才库,中午开始重筛简历===4.1中午捞起来了,开始折磨,约的4.3