昨天 15:35 北京大学 算法工程师
关注
美团-推荐算法实习-一面 攒人品中
发下问题给大家参考，攒人品中！
1. 介绍下 DSSM 的原理和核心思想？在推荐场景中如何做召回的？
2.Wide&Deep 的设计思路，Wide 侧和 Deep 侧分别解决什么问题？
3.FFM 相比 FM 做了哪些改进？特征域的意义是什么？
4. 除了 Wide&Deep 和 FFM，你还了解哪些经典的推荐排序模型？
5. 召回阶段的核心特征有哪些？如何做召回阶段的特征工程与特征筛选？
6. 召回特征与排序特征的差异是什么？为何要做特征的分层设计？
7.Self-Attention 在推荐场景中的应用？相比传统注意力有何优势？
8.DIN 的核心创新点是什么？注意力权重是如何计算的？
9. 除了正则化，还有哪些方法缓解 CTR 预估中的过拟合问题？
10. 生成式推荐的核心思路是什么？相比传统推荐范式有哪些优势？
11. 生成式推荐在落地时面临哪些挑战？如何平衡生成多样性和相关性？
Code
1. 合并两个有序数组
2. 最长回文子串
1. 介绍下 DSSM 的原理和核心思想？在推荐场景中如何做召回的？
2.Wide&Deep 的设计思路，Wide 侧和 Deep 侧分别解决什么问题？
3.FFM 相比 FM 做了哪些改进？特征域的意义是什么？
4. 除了 Wide&Deep 和 FFM，你还了解哪些经典的推荐排序模型？
5. 召回阶段的核心特征有哪些？如何做召回阶段的特征工程与特征筛选？
6. 召回特征与排序特征的差异是什么？为何要做特征的分层设计？
7.Self-Attention 在推荐场景中的应用？相比传统注意力有何优势？
8.DIN 的核心创新点是什么？注意力权重是如何计算的？
9. 除了正则化，还有哪些方法缓解 CTR 预估中的过拟合问题？
10. 生成式推荐的核心思路是什么？相比传统推荐范式有哪些优势？
11. 生成式推荐在落地时面临哪些挑战？如何平衡生成多样性和相关性？
Code
1. 合并两个有序数组
2. 最长回文子串
全部评论
相关推荐
点赞 评论 收藏
分享
点赞 评论 收藏
分享