拼多多武汉开奖了（NLP面经）

感谢拼多多offer call 昨天美团一面面自闭了，今天时来运转，终于消灭0offer了，来反馈下牛客。

说下自己情况，本科传播学（二学位计算机），底子不太好，研究生转到本校计算机，但是是专硕，没实习没论文，在实验室做NLP但是也是实验室的边缘小组，氛围很差，自己也只有一个项目和一个kaggle比赛（kaggle比赛还没牌子），一度以为自己要失业了。

所以呢，没有实习和论文还做算法的朋友也不要丧气，把基础知识答好，深挖自己简历上的每一个细节点，总会上岸的。这两天还有很多笔试面试，一起加油！

一面 HR：
查户口
二面：

1. 讲项目怎么做的，针对项目提了不少问题，label怎么获得的，loss的形式等
2. 说说你理解的LSTM（RNN到LSTM 讲LSTM的缺点，引出transformer）
3. 讲transformer如何并行化运算，self-attention和普通seq2seq的attention区别
4. LSTM如何调参
5. 讲一下DSSM（CNN-DSSM,LSTM-DSSM,负样本）
6. 看你写了多种方式组合词向量，怎么个组合法（相加和连接，讲了一下证明这两个效果差不多的论文）
7. 文本匹配的一些像ESIM的模型了解吗（不了解，这方向不是我做的）
8. 说一下词嵌入，讲了word2vec，层级softmax和负采样这些，和fasttext词向量做了比较，面试官看我在kaggle比赛里面组合了glove和fasttext词向量，问我glove，glove的推导太绕了，我只说了共现矩阵(这里实际上可以答得更多，后来看了glove的推导觉得也没那么绕，并且我还有一些自己的想法)
9. HMM和CRF的区别（抛弃了HMM的两个假设，然后判别式和生成式什么的）
10. lstm+CRF层中CRF的作用
11. 机器学习哪些算法了解吗（说boost）
12. Adaboost，gbdt，xgboost，从损失函数，基学习器，训练方式等方面说明，写了xgboost的泰勒展开
13. Gbdt是怎么选择特征的，答借助于CART树模型进行选择，类似于ID3,C4,5用信息增益和信息增益率。GBDT还可以构建特征什么的
14. 写一个堆排序
    三面：
15. 讲项目怎么做的（这次主要问的kaggle）
16. 讲了下数据的问题，自定义损失函数，文本预处理，一些模型优化这些
17. 数据不平衡怎么做（这里我只从数据的角度来讲了，从数据量是否充足和正负样本比例来讲，但是应该还从模型和评测的指标来讲的，菜了）
18. 讲一下beam_search吧。讲完之后还说了下beam search的优化，除以长度平均每个词的概率，diverse beam_search啥的
19. 代码题，Pattern 匹配 判断字符串S是否匹配Pattern (如’abbc’) 我开始说构建一个字典，同时遍历S和P，但是会出现两个字符同时代表一个S中的字母，遂加了个set对S中出现过的字符串进行记录