NLP面经回馈

虽然还没收获满意的offer，不过后面也没什么面试了，所以来回馈下（最近发帖比较多，我怕后面懒下来就不发了，所以趁现在赶紧发出来），放一些秋招面试的面试题，主要是nlp方向。有些公司当初忘了记了（阿里、考拉和依图）记了或者觉得没什么可记的（比如华为和vivo），记下来的如下：

网易互娱 - ailab - 人工智能研究工程师

一面50分钟

自我介绍

介绍腾讯实习内容

Attention机制的原理

介绍艾耕实习内容

Fasttext原理，相比于word2vec有什么优势

文本分类除了CNN和RNN还知道哪些方法？

BILSTM + CRF模型的原理

多任务学习和对抗网络了解不

给定两个命名实体识别任务，一个任务数据量足够，另外一个数据量很少，可以怎么做

隐马尔可夫模型了解吗，和CRF的区别

word2vec是有监督的还是无监督的？

思考题：有A（红）B（蓝）两瓶墨水，从A中取一勺倒到B中，混匀后，再从B中取等量墨水，倒到A中。问，是A中蓝墨水多还是B中红墨水多？

二面55分钟

自我介绍

摘要抽取怎么做的

命名实体的应用场景，泛化能力怎么样

CRF模型说一下，优化目标是什么，怎么训练的？

CRF和HMM的区别

HMM做了哪些独立性假设

HMM的训练方法

CRF的预测方法，维特比算法的过程

画Transformer的结构图，讲一下原理，为什么self-attention可以替代seq2seq

机器翻译的Attention机制，里面的q,k,v分别代表什么

Fasttext原理，cbow和skipgram的区别，分层softmax和負采样，負采样的采样原理，为什么要这样采样，Fasttext哈希规则，怎么把语义相近的词哈希到一个桶里。

讲一下腾讯的实习

模型怎么实现的，有没有优化矩阵的运算

为什么要用Fasttext做文本分类，是因为训练快还是预测快

推导lr

智力题：蓄水池采样

网易云音乐 - nlp算法工程师

一面50分钟

自我介绍

讲一下随机森林，GBDT，XGBoost

XGBoost相比于GBDT有哪些改进

Adaboost和XGBoost的区别

Adaboost和XGBoost是怎么进行预测的

讲一下Textcnn的运算过程

文本分类的评价指标

讲一下AUC

过拟合的解决方法

稳定和非稳定的排序算法有哪些

二分查找递归和非递归的时间和空间复杂度

手写冒泡排序，写完问这个程序要上线还需要考虑哪些东西

二面30分钟

劝退

拼多多 - 算法工程师

一面75分钟

全程讲实习

LDA的词表示和word2vec的词表示有什么区别；

Fasttext 原理，为什么用skipgram不用cbow，負采样怎么做到，公式是什么？

画Transform结构图

代码题：给定字符串 s ，求与 s 编辑距离为2的字符串集合。

二面45分钟

全程讲实习

代码题：一个圆被分成M个扇形，一共有N种颜色，相邻扇形不同色，一共有几种涂法？

三面hr

还在面哪些公司

有offer了吗

最理想的公司是哪？

选择offer最看重哪些因素

我们公司加班很多，你怎么看

女朋友去哪？（并没问是否单身就直接问了这个问题）

期望薪资多少？

追一科技 - 自然语言处理工程师

一面50分钟

讲实习

为什么Attention的结果和TextCNN的结果相差不大（不太明白什么意思，就讲了下两者对信息提取范围大小的区别）

Fasttext和word2vec的区别

Fasttext怎么做分类的

词向量用什么训练的，维度多大

XGBoost和随机森林的区别

XGBoost相对于GBDT的区别

XGBoost工程方面的改进有哪些？

XGBoost和随机森林的特征重要性是怎么计算的？

输入补全可以用哪个数据结构来做？（字典树）

假如有10亿条搜索请求，怎么找出最热的前10条？

问问题得到的信息：上海那边的部门主要是做金融保险业的定制化的智能客服，偏工程方向。主要工作内容有客服系统开发、知识图谱搭建、三元组抽取等，基本上会用到所有的NLP知识。。。

补充：梯度消失和梯度爆炸的原因，为什么rnn比cnn和全连接层神经网络更容易发生梯度消失或爆炸

补充：怎么判断过拟合，怎么防止过拟合，说一下dropout

二面30分钟

聊实习

百度 - 算法工程师

一面60分钟

讲项目

如果再给一次机会，你觉得这个项目还有什么可以改进的点？

代码题：二分查找

代码题：旋转数组的二分查找

代码题：给定长度为n的数组，求所有可能长度为m的排列组合的情况

二面60分钟

讲项目

讲fasttext，词向量，文本分类原理

文本分类CNN，LSTM和Attention的区别

代码题：有n枚硬币，每次从左边或右边拿一枚，一共拿m次，求能拿到的最高价值

三面60分钟

经理面

讲项目

讲比赛，现在来看有什么可以改进的点

智力题：圆盘涂色问题

一些hr题

英语流利说

一面20分钟

实验室方向

详细讲一下Transformer模型；transformer中句子的encoder表示是什么；怎么加入词序信息的。

讲一下BLEU；

怎么用数据处理的trick提升了NER的表现

摘要抽取可读性问题怎么回事？

二面60分钟

手撕代码：二叉搜索树转有序双向链表，要求不能创建新的节点

做过的nlp任务中，哪个任务最难？你觉得有哪些可以改进的点，怎么改进？

摘要生成怎么做的？

讲一下SVM

概率图模型，有向图模型和无向图模型分别作了哪些假设？CRF的训练目标是什么？

BILSTM+CRF的训练目标？状态转移矩阵是joint learn的吗？维度是多少？

维特比算法的时间复杂度

LSTM相比于传统RNN解决了什么问题？怎么解决的？

Attention模型和CNN 的区别？

欢聚时代

一面40分钟

讲一下tag提取怎么做的，讲一下LDA，讲一下隐狄利克雷分布，里面有个辛普森采样了解吗

讲事件分类。数据有多少，样本不平衡怎么解决的，CNN用在文本里和用在图像里有什么区别，用在文本里时卷积核的宽度代表什么，你怎么选的，为什么要这么选？CNN和LSTM都可以用于分类，两者用于分类有什么区别？说一下Attention，Attention有哪些变种，为什么Attention模型的F指标还比不上作为baseline的textCNN？最后为什么选择Attention模型？词向量用什么训练的，数据量有多少，怎么评价词向量的质量的？词向量的维度是多少，为什么要选这个维度？文本分类中的多义词问题可以怎么解决？

讲讲CRF。CRF和HMM的区别，从有向无向图的角度呢？从其他角度呢？。CRF和深度学习的结合还知道哪些？

讲讲python的垃圾回收机制，讲讲装饰器