2022年4月携程暑期实习 搜索推荐算法岗面试题

1、你所理解的推荐系统是什么样的？大致流程？所用模型？

    推荐系统一方面是为了帮助消费者发现对自己有价值的商品，另一方面是帮助生产者把用户可能感兴趣的商品展现给用户，实现生产者和消费者的双赢。

    大致流程主要包括：获取用户特征，召回过程，排序过程（粗排、精排）。

    召回模型：

• 规则召回（兴趣标签top，热门top，新品top等）
• 协同召回（基于用户的协同过滤，基于商品的协同过滤）
• 向量召回（FM召回，Item2vec,Youtube DNN向量召回，Graph Embedding召回，DSSM双塔召回）

    排序模型：GBDT + LR、Xgboost、FM/FFM、Wide&Deep、DeepFM、Deep & Cross、DIN、BST等 

2、双塔模型优势，缺点，如何改进？

    双塔模型的优势是速度快，但模型精度还有待提升。

    速度快是因为将所有Item转化成Embedding，并存储进ANN检索系统，比如FAISS，以供查询。类似FAISS这种ANN检索系统对海量数据的查询效率高。

    而双塔模型为了速度快，必须对用户和Item进行特征分离，而特征分离，又必然导致上述两个原因产生的效果损失。

    改进：SENet双塔模型，把SENet放在Embed