11.3面试相关

介绍下你的项目

说一贝叶斯优化算法

贝叶斯优化算法和网格搜索不同的是：网格搜索在测试一个新点的时候会忽略前一个点的信息，而贝叶斯优化会充分利用之前的信息，贝叶斯优化是通过对目标函数的形状进行学习，来找到使目标函数达到全局最优的提升参数，他学习目标函数的形状的方法是：首先根据先验信息假设一个目标函数，然后采样一个新点去测试目标函数，再利用得到的信息去更新这个先验分布，最后算法测试是通过后验分布给出全局最值最有可能出现的点。

如何计算句向量，计算相似度的方法有哪些？

最简单的方法：对句子中所有单词的词向量取平均，得到句子向量
更好一点的：以tf-idf值为权重，加权句子中所有单词的词向量
使用TextCNN模型：以大小不同的滑动窗口来提取句子的n-gram特征，然后最大池化每个卷积核得到的一维向量，然后将池化后所有最大的值进行拼接
使用Bert模型，提取CLS的向量作为句子向量。
相似度
计算两个句子向量的余弦相似度或计算欧式距离
通过预训练模型BERT计算前后两个子句的相似度，[SEP]

讲一下beam search

beam search是对greedy search的一个改进算法。相对greedy search扩大了搜索空间，但远远不及穷举搜索指数级的搜索空间，是二者的一个折中方案。

beam search有一个超参数beam size（束宽），设为k
。第一个时间步长，选取当前条件概率最大的 个词，当做候选输出序列的第一个词。之后的每个时间步长，基于上个步长的输出序列，挑选出所有组合中条件概率最大的 k个，作为该时间步长下的候选输出序列。始终保持 个候选。最后从 个候选中挑出最优的。

BERT的损失函数，BERT的改进模型

预训练loss：$-{\sum }_{i=1}^{M}logp(m_i)-{\sum }_{j=1}^{N}logp(n_i),m_i$是条件概率
ALBERT：预训练任务的改进：去掉了下一句子预测，更换为句子顺序预测，能够学习到句子之间的连贯性等逻辑信息
跨层参数共享，减小输入层embedding的维度，增大了hidden层embedding维度

说一下TextCNN

textcnn有输入层，卷积层，池化层，全连接层；
局部连接：卷积层和前一层的部分神经元连接
权值共享：在不同的层卷积核的参数是共享的，可以理解为一个卷积核只捕捉一种局部特征
textcnn中的使用了一维卷积，（一维卷积在i一个方向上滑动，二维卷积先在第一个维度上滑动，再在第二个维度上滑动）卷积核的一个维度和embedding的维度相同，另一个维度代表n-gram窗口的大小，可提取不同n-gram的信息；经过卷积层之后得到feature map，也是一个一维向量，然后经过池化层后转化成单个值，将所有池化后的值拼接成句子向量，最后接全连接层用于分类（经过softmax得到属于u每个类别的概率）。
卷积层：利用多个卷积核提取不同的局部特征
池化层：显著降低了参数量

项目流程

数据预处理：
分词，去停用，构建词表（BERT除外），将token转换成id，每个样本等长处理（短的padding，长的截断）
（特征工程）
模型搭建
调参
模型评估

为什么有了bert还选择textcnn

textcnn速度快模型轻量级也保证了精度
bert模型精度高，但是推理速度慢
两者适用不同的场景

怎么调参的

dropout一般设置0.5
学习率：如果使用了自适应学习率，那可以不用调节学习率，否则从0.01调整到0.001
迭代次数：
随着模型的迭代，一般会从欠拟合到过拟合
观察train loss和dev loss的变化来确定如何调整参数
如果train loss和dev loss都下降，说明模型仍在学习；如果train loss下降，dev loss上升，说明模型过拟合，此时我们需要采取一些过拟合的手段；如果train loss 下降，val loss不变，说明欠拟合；如果都上升，模型有问题。

过拟合，欠拟合手段

过拟合：学习到了训练集的噪声
增加数据，加正则化，dropout（网络的稀疏性），添加bn层，适当减小epoch次数，早停法（从dev的loss不在下降的位置拿到模型），降低网络复杂度，降低学习率使参数更新幅度减小，集成学习。
欠拟合：训练集和测试集效果都不好
增加训练迭代次数，网络结构复杂化，优化数据集。

RNN中采用了什么激活函数

如何处理数据不平衡问题

Bert是怎么分词的

Bert是基于wordpiece分词的，如果是英文，首先将文本分割成单词，然后将单词分割成subword；如果是中文，基于字符级的话，将文本切割成一个个字，如果是词级别，分割成一个个词。

了解过GPT吗

GPT是基于decoder的单向语言模型，是一个自回归模型，比较适合用来做句子生成的任务；它采用masked attention机制，是为了保证训练阶段和预测阶段的一致性，因为在测试阶段，模型不知道后面的输入，所以在训练阶段我们需要把后面的单词mask掉，同时使用teach forcing加速收敛。
Elmo是基于LSTM提取特征的，elmo的双向体现在使用前向和后向的lstm网络，最后将两个隐层进行拼接。