海量文档或对象中找出最相似的 Top-K
哪些公司问过
答案要点
- 两两暴力比较不可行,先用 embedding 把对象表示成向量
- 相似度常用余弦或内积,归一化后两者等价
- 在线检索用 ANN 索引,如 HNSW、IVF-PQ、LSH,以少量召回换速度
- 大小为 K 的最小堆维护 Top-K,复杂度 O(N log K)
- 业务场景先定义相似维度,采用召回加重排两阶段,可分片并行
易错点
- 直接两两比较所有对象,复杂度 O(N^2) 无法落地
- 向量没有归一化就用内积,模长大的向量会被系统性高估
- 忽略 ANN 是近似结果,不评估召回率就上线
面试官常见追问
- HNSW 和 IVF-PQ 怎么选?
- 为什么用最小堆维护 Top-K?
- 数据分布在多台机器上怎么办?
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。