协同过滤、Wide&Deep、DeepFM、DIN的结构与区别是什么?
哪些公司问过
答案要点
- 协同过滤基于交互矩阵,分 UserCF、ItemCF 和矩阵分解,冷启动差
- Wide&Deep:Wide 线性加人工交叉负责记忆,Deep 负责泛化,联合训练
- DeepFM 用 FM 替代 Wide,自动二阶交叉,与 DNN 共享 Embedding
- DIN 用候选物品对历史行为做注意力加权,刻画多样兴趣
- 演进主线:从手工特征到自动交叉,再到对用户兴趣建模
易错点
- 把 Wide 部分说成处理稠密特征
- 以为 DeepFM 的 FM 和 DNN 用两套独立 Embedding
- 把 DIN 的注意力说成对行为序列做自注意力
面试官常见追问
- DeepFM 模型了解吗?
- Wide&Deep 的两部分是怎么组合训练的?
- DIN 的注意力和 Transformer 的注意力有什么不同?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。