面经内容

.介绍一个最有把握的比赛2.介绍比赛中itemcf具体做法3.在itemcf中如何引入时间间隔信息和位置间隔信息4.基于商品属性embedding的召回这么做的5.Annoy的原理6.基于w2v的ANN怎么做的7.w2v的原理8.w2v的loss函数9.loss函数还有哪些0.如何解决冷启动问题.如何评价召回的效果2.如何把召回的信息引入到排序3.GBDT，xgboost，lightgbm改进的过程4.简单推导xgboost5.构建一棵树分裂特征怎么选择6.计算分裂增益的方法有哪些7.LSTM的门机制8.LSTM相较于RNN的优势9.transformer的机制20.推荐里面深度模型的了解2.NN怎么达到泛化性22.如何保证的稀疏性23.L正则为什么可以达到模型的稀疏性.比赛分工2.embedding存在之前没有出现过id怎么办3.w2v的样本怎么构造4.有没有过滤低频id5.cbow与skip-gram的区别和优缺点6.多任务学习有哪些结构7.多个召回怎么合并的8.多个召回分数之间是可比的吗9.各个召回的权重是怎么选取的0.推荐系统里面是如何考虑冷门商品.新增一路召回，在排序阶段需要做什么改进2.树模型对离散特征怎么处理的3.树模型怎么决定一个叶子结点是否要分裂4.xgboost正则化项和什么有关做了三道算法题：leetcode53.最大子序和，leetcode75.颜色分类，leetcode.数组中重复的数据.介绍项目2.算法题：剑指Offer60.n个骰子的点数文

牛客网：MeeCreeps预览时标签不可点收录于话题#个上一篇下一篇