推荐系统用户行为序列建模的演进
哪些公司问过
答案要点
- 演进:Pooling → DIN 的 target attention → DIEN 兴趣演化 → Transformer(BST、SASRec、BERT4Rec)
- 长序列是核心挑战,需要在效果与在线延迟、算力之间权衡
- SIM 两阶段检索相关子序列,ETA 用哈希加速,TWIN 统一两阶段相关性度量
- 生成式推荐如 HSTU 把推荐建模为序列生成,LLM 也被用于序列理解
- 兴趣提取之外还需处理行为噪声,如按类目、时间、行为类型过滤和加权
易错点
- 只背模型名,说不清每一步要解决的问题
- 忽视长序列在线推理的延迟约束
- 把序列推荐召回模型和排序中的序列特征建模混为一谈
面试官常见追问
- Transformer 在推荐里怎么用?
- DIN 和普通 pooling 的区别是什么?
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。