快手推荐算法一面

9月初投递 某9硕 隔了四天发面试邀请 
平台：萝卜面试（在浏览器里面）
问答：
1.自我介绍
2.推荐项目拷打
    2.1整体是否落地？是否上线？物品的数量级大概有多少？
    2.2对用户做多兴趣表征，多兴趣体现在哪里？itemcf的公式是什么样？
    2.3向量是怎么得到的？Embedding的过程是什么样？具体一点
    2.4最终结果评估指标是什么样子的，介绍一下公式，是体现排序的结果还是命中的结果？具体体现在哪个维度？
    2.5召回环节是单一召回还是多路召回？多路召回该怎么做？
    2.6召回训练的目标是什么？负样本如何构建的？
    2.7数据中用户已经有了对应的行为，如果给你未处理之前的数据你会如何处理，如何预测？
    2.8多目标建模情况下对我们预测的目标是否有正收益？
         2.9多目标建模情况下，召回环节应该怎么做？多路召回结果怎么融合？单纯加权还是怎么做？（这个我真得细细想一想）
    2.10针对点击召回了N个结果，针对购买召回了M个结果，如何做融合呢?缺失加权融合的两个因子中的其中一个因子应该怎么做？
    2.11门控和Attention是怎么融合的？
    2.12模型用了哪些特征？
    2.13长短期行为序列的长短期是怎么理解的？具体是怎么做的？长期跟短期统计的为统计的周期是一样的吗？
    2.14 --涉及到个人方案的一些私密问题，会在日后公布--
    2.15向量化重构是什么意思？
3.第二个项目拷打
    项目背景？为什么用到unet网络来预测？不是一般用于图片吗？各个模块的功能是什么
4.实习拷打
    XGBoost只是会用还是了解原理？可解释性怎么样？基于什么分类器？目标函数是什么？
手撕：
    最简单的一集 Leetcode 3.无重复字符的最长子串
反问：
    面试表现如何？有没有哪里有待提升的地方？

面试感觉：
面试官人很随和探讨了很多技术问题，也给了我很多建议，虽然我知道我肯定过不了
#发面经攒人品##我的秋招日记#