快手搜推算法面经分享-攒人品
被横向挂了,希望发出来对大家有帮助!
Q1: 你用了多路召回,具体是怎么做消融实验验证每一路的效果的?
Q2: 召回层的评估指标为什么选 HitRate 而不是其他?
Q3: 新闻推荐项目里的“冷启动”是怎么做的?
Q4: 详细讲讲 YouTube DNN 双塔模型在你的项目里是怎么落地的?
Q5: 用户的 Embedding 是怎么构建出来的?输入了哪些具体特征?
Q6: 提取出 User Embedding 和 Item Embedding 之后,你后续具体是怎么利用它们的?
Q7: 精排阶段,你为什么要把“树的排序模型”、“树的分类模型”和“DIN 模型”做 Stacking 融合?它们在理论上的互补性体现在哪?
Q8: 手写 AUC 的计算公式。
Q9: 工业界为什么更偏爱 GAUC 而不是全局 AUC?GAUC 解决了什么痛点?
Q10: 训练的时候,交叉熵 Loss 下降,AUC 就一定会提升吗?
Q11: 你提到的这几个模型,它们底层的 Loss 函数分别是什么?
Q1: 你用了多路召回,具体是怎么做消融实验验证每一路的效果的?
Q2: 召回层的评估指标为什么选 HitRate 而不是其他?
Q3: 新闻推荐项目里的“冷启动”是怎么做的?
Q4: 详细讲讲 YouTube DNN 双塔模型在你的项目里是怎么落地的?
Q5: 用户的 Embedding 是怎么构建出来的?输入了哪些具体特征?
Q6: 提取出 User Embedding 和 Item Embedding 之后,你后续具体是怎么利用它们的?
Q7: 精排阶段,你为什么要把“树的排序模型”、“树的分类模型”和“DIN 模型”做 Stacking 融合?它们在理论上的互补性体现在哪?
Q8: 手写 AUC 的计算公式。
Q9: 工业界为什么更偏爱 GAUC 而不是全局 AUC?GAUC 解决了什么痛点?
Q10: 训练的时候,交叉熵 Loss 下降,AUC 就一定会提升吗?
Q11: 你提到的这几个模型,它们底层的 Loss 函数分别是什么?
全部评论
相关推荐
昨天 15:04
北京邮电大学 Java 点赞 评论 收藏
分享
查看2道真题和解析
拼多多集团-PDD成长空间 1395人发布