滴滴算法工程师一面＆二面

文章预览

来源：投稿  作者：LSC 编辑：学姐 一面 1.自我介绍 2.介绍项目 做推荐算法相关的，目前做召回，介绍了召回策略和召回u2i模型。 3.场景题 有很多用户，点击或者购买了优惠券，但是是随机点击或者购买的，如果直接把点击或者购买的样本当做正样本使用，模型会学不好？在召回层面应该怎么解决？ 答: (1) 样本层面 。可以设定一个阈值或者频率，假如点击购买的次数频率低于这个值，那么可以把这个样本当成困难负样本，或者把这些正样本都以一定的概率当成困难负样本，还可以对真的正样本进行加权，采用类似的策略，就是不要全部都当成正样本使用，并且尽可能去构造困难负样本，让简单和困难负样本达到一定的比例，理想情况下一般是1:1。 (2) 损失函数方面 。可以采用infonce circleloss tulpetloss等拉大正负样本的差距。 (3) 特征方面 。可以 ………………………………