快手推荐算法一二面汇总

一面8-19

1.自我介绍
2.问美团的实习，问我商品量级，召回中相关性分档怎么做的，会不会出现query太不规范不能match到商品，怎么解决？我们的场景是否每个query和item都能匹配到相关性分数？
3.精排模型我们用的baseline是什么，怎么用query和行为序列做的target attention，行为序列怎么截断的，最后如何用query打压搜索结果的推荐多样性？
4.有哪些序列建模的方法和模型
5.问了sim的详细原理
6.说一下gbdt的全部流程，能做分类任务吗，怎么做
7.做了一道中等难度题然后反问

问得挺开放的，有些问题答的不好，

二面8-22
1.自我介绍
2.介绍实习的召回策略
3.向量召回和策略召回的优缺点是什么，怎么解决向量召回的性能问题（不好回答）
4.向量召回怎么做可以弥补漏召回或者误召回的问题
5.DIN整体模块讲述，target attention的计算时间复杂度
6.mmoe整体模块介绍一下，还有什么进阶的模型吗？解决的问题是什么？mmoe的gate输入是什么
7.xgb和lgbm区别，怎么进行特征筛选和重要性分析
8.讲一下auc在推荐中的物理意义
9. 手写AUC（还好复习了，不然直接凉，虽然最后结果输出错了）

#快手##快手求职进展汇总##算法##秋招##秋招提前批，你开始投了吗##算法面试分享#