视源NLP面经 2021-05-12

前言

过了半年了，半年后的我重新开始面试，似乎这半年收获了不少东西。虽然最近还是没怎么复习，感觉荒废了半个多月了。记录一下第二次面经。
加粗的就是答不上来的

面试方式：电话面试

项目

• 跨领域课题： 这个课题主题是什么，怎么跨领域槽填充，槽描述是怎么样的；
• 我的paper解决了什么问题；
• 前沿的跨领域、零次学习有哪些研究；（只回答了图像识别的经典模型）
• 一句话讲述对比的方法；
• 进行过哪些调参方式

比赛

• bert-crf和bilstm-crf的对比；bilstm和crf分别的作用；
• 数据清洗有用过哪些方式；（这个我只讲了一些，要多了解一下）
• 不同的bert预训练模型的原理、优缺点；还了解过哪些预训练模型

其他基础知识

• F1-micro 与 F1-macro区别 （宏f1 & 微f1）
  这个没去了解一下，所谓老sf和ner玩家，丢死人了，我自己都觉得丢人
• 爬虫怎么爬，流程是怎么样的；怎么实现反爬
  反爬？这我真不会，要是会了大一就不会那么懵了
• 数据库死锁的原理和避免
  上学期学过，但是忘了，有时间复盘一下叭，但是这和nlp岗感觉关系不大
• 了解过哪些矩阵分解的方式；PCA和奇异值分解有什么区别
  统计学习方面的知识，这个有时间再看一下
• python问题
  一个是深复制浅复制、一个是垃圾回收还是避免死锁之类的底层问题

工程应用

小学数学应用题求解：大量应用题，比如鸡兔同笼等，如何求解答案
回答：先进行问题分类（意图识别），确定是哪种问题，再进行实体识别，捕获出文本中的关键信息，最后进行对应问题的求解
反问：这种三阶段方式，如何避免错误传播
回答：使用联合学习的方式，同时进行问题分类和实体识别
反问：如果对于非典型鸡兔同笼问题，动物的脚数不同，如何解决
回答：使用外部知识或者规则，对于不同的动物先确定脚的数量

总结

感觉问了很少深度学习的NLP上的知识，transformer、bert、lstm相关的知识都没问，激活函数、词向量、优化函数相关的也没问。我可是复习了很久的transformer知识的。
然后f1那个说不出来，丢死人了！复盘，下次再面试。