推荐算法面经之八股文

哈喽，各位大佬们好，本文提纲搜集于某招聘软件，回答是我扯淡的，下面我一一总结如下，并稍微分门别类，仅供参考，不保证正确，这些记住了用来胡诌完全可以应付一面。

any problem could be solved in qq group 868373192

1-参数服务器上用SGD训练的时候有同步和异步两种方法，各自的优缺点是什么，异步怎么保证收敛性；

2-物品冷启动、用户冷启动的业务意义和常见做法；物品冷启动，首先入库的item都是有基本的信息的，如果这些信息都没有那没法推，只能进行投票的方法，随机曝光给部分用户（比如100个或者200个），如果CTR达到某个阈值再进行更大范围内的投票，曝光给500个用户或者800个用户，如果CTR仍旧超过某个阈值，那么继续投票。再说有属性信息的item，这些item可以按照品类（cate）进行推荐（相关推荐）。用户冷启动也是类似的方法，但无属性信息时可以采用热门推荐，top品类，以及地域推荐，点击后可采用I2I推荐。

3-推荐系统的线上效果在一段时间后发生退化的可能原因与分析；这种情况应该很常见，刚开始就是很新鲜，应该算是增加了item多样性，随时间推移，这种新鲜感不再，推荐的与其他方法差别不大，当然也有可能是各种原因，从数据到模型及最终部署，以及客观原因，周末，节假日或者其他时政事件影响。逐个排查。

4-推荐系统生成embedding的各种方法；