基于好评差评人数的电影排序推荐
哪些公司问过
答案要点
- 直接用好评率存在小样本偏差,评价人数少的电影会被高估
- 贝叶斯平均:WR=v/(v+m)·R+m/(v+m)·C,样本少时向全局均值收缩
- 威尔逊区间下界:按二项比例的置信下界排序,兼顾比例与样本量
- 个性化:协同过滤、矩阵分解利用用户历史行为
- 冷启动与稀疏:新用户用热门榜,新电影用内容特征或探索流量
易错点
- 只按好评数或好评率排序,忽略样本量
- 贝叶斯平均里的 m 拍脑袋设定,不根据数据分布调参
- 只给非个性化方案,没有提及个性化和冷启动
面试官常见追问
- 威尔逊区间下界的直观含义?
- 热门榜还要考虑时间吗?
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。