#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