腾讯微信支付算法面经
听说写面经会有好运
自然语言处理方向。从自我介绍开始到反问结束，大概40min左右。
985本硕，但是本科是轻工类，研究生学到的内容也是基础非常不牢。
纯纯算法小白，找23暑期实习，分享出来是希望以后也可以多看到其他人的面经
以下是提问内容，因为记性不好，所以有些问题的表述可能会有点出入哈~
1.最熟悉的模型+介绍原理、优劣势。（回答了BiLSTM，因此后面接着这个模型问了）
- BiLSTM耗时是LSTM的两倍吗？/两个LSTM可以同时进行吗？
- 介绍一下LSTM三个门结构。
- 遗忘门的所有输入。
- LSTM的输入一般都是什么形式？/常见的LSTM如何处理词的？
2. seq2seq输出序列是串行还是并行？
- 输出时的词是怎么得到的？
- BiLSTM/seq怎么算attention？
3. BiLSTM如果输入序列是变长，怎么处理？（先是回答了截断、补0或滑动窗口，后来在引导下回答了占位符）
- 可不可能存在占位符和某一个词的语义相似，怎么解决？
- 有没有其他方法解决序列变长？
4. 如果只用全连接层，怎么实现捕捉上下文？（没有想到，所以提示了word2vec）
- word2vec有没有用到上下文？（回答了cbow和skip-gram的大概思路）
- skip-gram怎么学习上下文的？
5. 介绍一下bigram编码。（简历上的项目有提到）
- 有没有三元的编码？什么区别？
- 分词和bigram什么区别？怎么选？
6. 介绍一下文本情感分类的项目。（简历）
- bert相比bilstm的优势？
7. chatgpt有了解吗？（还没开始学gpt）
- bert是串行还是并行输出？
- 直接并行输出能否实现？效果会比串行更好吗？
8. dropout的作用+原理？
- dropout在激活函数之前做，还是激活函数之后做？
9. 反问。
很多问题回答的不好，还要继续努力！最后希望大家都能上岸呀！
类似资料：