美团【转正实习】搜索推荐算法工程师
第一次笔试（机试）213/500
第二次笔试（机试）390/500
100+100+100+80+10
# 一面
-时间：2024年3月26日 11：00，总计58分钟
-自我介绍
-论文
-本科推荐系统项目
-职责
-开发人数
-召回用了什么算法
-个性化和非个性化
-召回怎么做融合的
-排序用了什么算法
-介绍DeepFM的FM侧怎么做的特征交叉
-图片的推荐需要哪些信息，怎么给用户推荐的
-是否需要query文本，有query的话就会变成一个搜索系统
-有的话会考虑query的查询，没有则变为个性化推荐
- 对于query文本，有做哪些增强
- 字符匹配以及文本embedding相似度计算
- 改进的话，可以考虑构建近义词或者tag graph融合多跳邻居关系，即以query文本为seed种子，扩展其语义。
- 文本embedding怎么做的
- word2vec
- word2vec怎么训练的，是在自己数据集上训练的吗
- 不是，是用的开源的大语料库进行的NLP模型训练。实际上使用小规模数据集训练NLP模型，效果并不会太好
- 简历上写经历了冷启动的问题，怎么解决的
- 爬虫爬取社交网站，获得数据
- 真实业务场景中也会遇见用户和物品冷启动问题，怎么解决
- 协同过滤 itemCF和UserCF
- 基于内容的物品推荐
- 基于profile的用户相似度计算
- 看你了解序列推荐，描述一下你的理解：
- 介绍Transformer的结构
- Transformer怎么应用在序列推荐中的
- 主要用的是解码器部分，QKV，mask的多头注意力机制
- SASRec，TiSASRec
- 三数之和：板子题
- 提问：手上有offer吗
- 答：腾讯和阿里云过了一面
- 反问：
- 团队规模
- 主做业务：到家事业群，什么综合、广告、门票，忘记了，反正是搜广推相关
- 我对该岗位来说，还有哪些需要提升和学习的？（这个问题是重中之重，可以侧面了解面试官的态度，以及对自己后续的职业规划和面试准备进行启发）：综合能力挺强的，如果想进大厂建议专精于召回、精排等某一方面。
类似资料：