蚂蚁金服推荐算法一面

自我介绍
1电影评分算法具体讲一下用户对电影怎么评分
2具体讲一下SVD原理，除了降维还有什么作用？SVD分解后怎么用于电影评分？

3度量分解矩阵的原理

4距离公式的局限性和改进？什么时候用，优缺点
5各种距离公式适用性 ？欧式距离，余弦距离什么时候用
6模型怎么集成？

7讲一下比赛。
8用户信息比较丰富，item信息比较少  item比较少，产生的影响比较少怎么办
9word2vec原理？怎么训练 embedding 的？讲一下embedding的的lookup过程，怎么找映射的
10讲一下FM算法和矩阵分解的区别？具体怎么组合？FFM和FM的区别？
11比赛的离线评估指标map？为什么不用AUC。
12评估指标：AUC一般用于哪些地方，map和AUC区别在哪里什么时候用
13F1-SCORE和Auc的区别，F1-SCORE比较好或者AUC比较低是什么情况，
14说一下过拟合怎么造成和解决办法？ dropout的原理，怎么抑制过拟合？预测阶段能不能droupout
15损失函数怎么设计？平方差损失优缺点？什么时候用交叉熵和平方差区别什么时候用
16 做损失函数的时候的时候欧式距离和余弦距离的区别
17梯度消失，激活函数：梯度消失怎么造成，什么导致变得平缓，哪些函数会导致梯度消失，为什么
18（权重问题）relu小于0的时候也会导致梯度消失怎么办？怎么保证输入不是负数
19场景题：给用户推荐一些权益（item），同时控制成本，怎么设计算法？
对用户进行分类，成本多的用户也多怎么办，预测消费的次数

算法题:数字反转