知乎推荐算法工程师面经 (社招)

1、自我介绍

    balabala......

2、介绍下协同过滤

    我大致介绍了下协同过滤的分类，以及每种分类的主要思想以及优缺点。其中提到了LFM，面试官又追问LFM用来解决什么问题，我从降维和回归两个角度来进行解释的。

3、介绍下SVD与MF的区别

    我把SVD++的公式写下来并进行了解释，其主要是考虑了用户的隐式反馈信息。

    后来面试官说问错了，其实是想问一下BiasSVD的思想，还好我写的公式包含BiasSVD的公式，主要是对于用户和项目更细粒度的建模，因为有的用户可能相对仁慈，所以评分普遍偏高；有的用户可能比较严厉，所以评分普遍偏低；同理对于项目也是如此，有的项目天上质量上乘，有的项目天上质量比较差。所以我们需要增加偏置项来捕获细粒度的影响。

4、问简历中发表的CCF-C类论文的细节

    由于项目中涉及graph embedding的东西，所以介绍了下GE；

    由于GE涉及到word2vec的东西，我又说了下word2vec。

    因为word2vec分为了CBOW和Skip-gram模型，后来面试官又问两种模型的适用场景。

    因为我只介绍了其中一个优化技术Negative Sampling，其中把概率公式写了出来，他又让我分享一下另一个优化技术Hierarchical Softmax，大致说了下，就是把多分类任务转化为了多个二分类任务，同时利用哈夫曼树来将词频高的词尽可能出现在里根节点近的地方。

5、了解最近MF与深度学习结合的东西吗

    我说了下何向南老师的神经协同过滤，并谈了下利用深度学习技术做推荐的看法。

6、了解常见的机器学习算法吗，说一下LR

    了解。我从线性回归入手过渡到逻辑回归，他们是对于特征的线性组合，并且假设数据是线性可分的，同时可以通过超平面将之分离，另外介绍了可以通过最大似然来推导出LR。思路跟我之前写过的这篇文章类似《由Logistic Regression所联想到的...》。

7、介绍一下常用的排序算法

    O（n^2）：冒泡，选择、插入

    O（nlogn）：快速排序、堆排序、归并排序

8、说一下快速排序的过程以及最好和最坏情况

    大致说了一下分而治之的流程...

9、了解JVM么，介绍一下

    不是很了解

10、了解协程么，介绍一下

    不是很了解

11、说一下进程与线程的区别

    进程可以由多个线程组成，另外线程间可以进行资源的共享，进程间不行。cpu调用的是线程。

12、咱做个简单的算法题吧，给定一个有序数组，然后再给个关键字，写一个函数返回其下标

    我想到了二分查找来解决这个问题。

13、常用的数据结构了解哪些，hashmap以及如何解决冲突，红黑树以及平衡搜索树等

    因为我本科以及研究生的技术栈偏.NET，所以用的java不是很多，所以不是很了解hashmap，对于冲突解决可以采用开放定址法等。平衡树了解一些，红黑树不是很了解了。

14、说一下推荐系统常用的召回策略...

15、介绍一下深度学习常用来缓解过拟合的手段（至少5个）...

16、推导逻辑回归的损失函数以及推导梯度更新公式...

17、利用队列来实现栈的功能...

18、比较e^2与2^e的大小...

19、给你一个数组，求一个k值，使得前k个数的方差 + 后面n-k个数的方差最小 ，时间复杂度可以到O(n)，给定方差公式：D(X)=E(x^2)-[E(X)]^2..