cvte nlp面经，希望最后可以上岸

先是问了槽信息的定义，简单说了一下，之后面试官进一步问如何用规则来获取槽信息。

接着问了道算法题，有一个城市名称列表，如何判断语句中是否出现了列表中的城市，一开始说了一种最简单的算法，但是时间复杂度很高，在面试官提示下提出用kmp算法来降低复杂度，面试官接着问有没有更好的方法，我已经想不出来了，面试官就给我介绍前缀树的做法。

接着问做文本表征特征的方法有什么，刚开始不是很清楚意思，询问下得知是想问类似word2vec的，我就说了词袋模型，面试官就问词袋模型有哪些不足的地方，我说了稀疏，无序，纬度爆炸，不能表达语义上的差别，面试官问还有吗，我思考了一下想不出来了，他就和我讲解每个词都是正交的，相当于每个词都没有关系。

接着问word2vec的两种优化方法，说下分层softmax是怎么做的。word2vec的优点和缺点，是如何解决oov的问题的，实际上word2vec如何使用，然后就问bert是怎么做的，和transformers的关系，他有什么好处，也问了如何解决oov的问题，bert的分词，简单说了bert的tokenizer输出的结果，他就问了bert这种分词叫什么，不会…然后他就和我讲解了。

接着问lstm，lstm和rnn有什么区别，解决了什么问题，lstm计算上是如何计算的，lstm输出的维度是怎么样的。

接着问常用的集成方法有哪些，问了其中一种如何实现。

接着看到我简历写了docker，就问了一下，我只是有一个比赛需要用docker做镜像来，就只是简单介绍了一下，平时也没有怎么用过。

面了大概一个小时，最后就到了我有什么问题环节，也耐心的和我讲，面试过程中还担心我没听清意思，经常和我解释，感觉面试官挺好的。

最后希望可以上岸啦！也希望耐心看的各位早日上岸💪