【面经&八股】搜广推方向：常见面试题（五）
文章目录
- 【面经&八股】搜广推方向：常见面试题（五）
- 1. 推荐系统召回阶段如何实现热门 item 的打压？（推荐中的“哈利波特”效应）
- 2. 关于推荐系统的召回模型
- 3. user/item冷启动怎么解决
- 4. Tensorflow与PyTorch的区别
- 5. 调参、Dropout、过拟合
- 6. 推荐算法：冷启动-召回-粗排-精排-重排
- 7. 分类决策树的指标有哪些
- 8. 决策树怎么构造
- 9. 交叉熵的意义。（为什么要用交叉熵？而不用MSE？）
- 10. 协同过滤、优缺点
- 11. UserCF、ItemCF，应用场景
- 参考
