一、特征工程中的偏差问题
1、为什么说,用物料的后验消费数据做召回存在“幸存者偏差”?能将这些消费数据用于排序吗?
只观察了已经被消费了的数据,而忽略了同样很好但是没有消费的数据。会导致已经消费了的产品产生马太效应。
可以。
2、使用物料的后验消费数据做召回,会放大“马太效应”,对新物料不友好,如何缓解?
1)采用相对应的纠偏模型
2)引入新物料友好特征。
3、解释什么是bias特征?你能举出哪些bias特征的例子?
4、bias特征怎样接入模型?能否和其他正常特征一起喂入DNN底层?为什么?
二、特征工程中冷启动问题
5、某男性新用户对“体育”这个分类的喜好程度未知,如何填充?
6、某新物料的后验指标未知,如何填充?
三、特征工程中的特征类别化问题
7、对观看次数、观看时长这样的特征,如何做标准化?
8、某个物料曝光2次,被点击1次,如何计算它的CTR?
9、有一个特征“某文章过去1天的点击率是10%”,如何将其构建成一个类别特征,并喂入推荐模型?