搜索与推荐在建模逻辑和标签设计上的差异
哪些公司问过
答案要点
- 意图差异:搜索有显式 query,首要目标是相关性;推荐无 query,需从行为推断兴趣并兼顾多样性
- 建模核心:搜索是 query-item 匹配再叠加个性化;推荐是 user-item 匹配,重在行为序列建模
- 标签:搜索有相关性等级标注加点击转化;推荐以曝光后的点击、转化、时长等行为为主
- 样本组织:搜索按 query 分组,常用 pairwise/listwise 排序损失;推荐多为 pointwise 多目标
- 负样本:搜索常用同 query 曝光未点击;推荐召回常用随机或批内负采样
易错点
- 用推荐的思路做搜索,过度个性化导致结果不相关
- 搜索只用点击做标签,忽略位置偏差和相关性标注
- 推荐召回只用曝光未点击做负样本,带来样本选择偏差
面试官常见追问
- 搜索场景 Query 独有的特性,以及 User-Query-Item 三者如何建模?
- 搜索里相关性和个性化冲突怎么办?
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。