拼多多学霸批NLP面经

时间：2019/08/04    岗位：NLP算法工程师

三场面试，1面2面技术面，3面HR面。2礼拜后出结果，回馈一下牛客网，顺便攒个RP，希望能拿到秋招第一个offer QAQ。

1面

1.简要介绍自己（其实一直不知道这儿说啥好，我一般就把研究方向说一下）。

2.问项目。华为实习做的数据挖掘项目，一整套流程全部说明一下。实体识别项目，把网络结构图画一下。面试官问的挺细的，还讨论了一下怎么优化。

3.基础知识。word2vec原理。LightGBM和XGBoost，GBDT的区别（LGB=GBDT+GOSS+EFB），基本上要点都回答了，并行化那一块有点遗忘。DEEP&WIDE模型是怎么组合起来的（这个模型没答好，因为只是当tool用的，没有深入研究）。DEEP FM知道吗？没了解，但是我对于Transformer，BERT和XLNET比较了解，好那你仔细说说这几个模型（成功转移话题hhh），然后就说了说self-attention什么的。

def quicksort(li,start,end):
    if start > end:
        return
    left = start
    right = end
    mid = li[left]
    while left < right:
        # 让右边游标往左移动，目的是找到小于mid的值，放到left游标位置
        while left < right and li[right] >= mid:
            right -= 1
        li[left] = li[right]
        # 让左边游标往右移动，目的是找到大于mid的值，放到right游标位置
        while left < right and li[left] < mid:
            left += 1
        li[right] = li[left]
    li[left] = mid
    quicksort(li,start,left-1)
    quicksort(li,left,end)

2面

1.简要介绍自己。

2.问项目。和上一面大同小异。

3.基础知识。词性标注（序列标注问题），分词一般你是怎么分的，用什么工具：jieba,gensim,hanlp，说说jieba怎么用的，gensim和hanlp涉及的算法（double-trie），（这里吃了大亏，因为只是当工具用的都怎么清楚）。文本生成都用过那些模型（textCNN，BiLSTM+Attention，Transformer，BERT）。知道哪些分布式表达方式（one-hot，tf-idf，n_gram，word2vec，fastText），fastText和word2vec的区别。

4.算法题。

给定dic=['ab','abc','abcd','bcd','bcde','bde','efg']，str='abcdefg'，求最长匹配dic中的元素，比如本例就是输出['abcd','bcde','efg']。

实现：把dic的元素建成前缀树，然后搜索前缀树根节点，如果匹配就一直搜到根节点。

这面时间短一些，大概40分钟，因为面试官不问那些网红模型或者常考的知识点，说你们这些家伙都太熟了，不知道怎么搞的每个结构都倒背如流（因为大家都是理论巨人...），然后问更多和NLP相关的东西，还是挺突然的，回答的一般般吧。

3面

HR面

这面就瞎聊，感觉部门怎么样啊，有没有女朋友啊，对工资要求啊（这个我真的没啥经验，就说按能力给吧，给的多我就动力大，求老哥评论区指点。。。），工作地点期望啊，如果公司突然让你做你不喜欢的工作你能不能接收啊什么的，反正很轻松的氛围，就差当场给HR小姐姐讲个单口相声了（职业病职业病。。。）

总结：这是秋招第三次面试了，心态也越来越好，要用更豪迈的姿态迎接秋招，这样也更开心点呀。最后，不要在简历上写你不能熟练说出大部分细节点的知识！！！面试官基本还是看你简历提问多的。