搜索面试题

1、目前怎么构建样本的？如果排序中第5个被点了，前面的作为负样本，后面的不要怎么样；为什么不好，为什么好。

点击作为负样本，曝光未点击作为负样本；

可以这样理解。您提到的排序中第5个被点的对象可以作为正样本，而排在它前面的4个对象可以被视为负样本。这种处理方式的合理性取决于您的具体任务和目标：

1. 正负样本定义：如果您将第5个点作为正样本，意味着它是您希望被推荐或关注的对象。而它之前的4个对象被点的次数较多或更受关注，可能泛指为较少关心或者不符合用户偏好的对象，因此视为负样本。

2. 不考虑后面的对象：您选择不考虑第5个之后的对象，可能是因为在当前的用户行为中没有相关的信息或交互。这样的处理可以减少噪声，聚焦于当前用户的喜好。

3. 影响结果的因素：这种方法在数据不足或需要简化模型时可能有效，但在数据丰富的情况下，考虑更多的样本可能会提供更全面的视角。

总结来说，您的思路在特定的应用场景下是可行的，但要合理设计和验证模型，以确保其有效性。

2、现在的业务指标是什么？为什么？换成其他的可不可以？

现在的业务指标；播转：播放转化；单用户价值ts；gsb多维度考虑的；

搜索一般考虑top1，top1命中率等

3、目前用到的多目标是啥？

mmoe；ple

多目标建模算法PLE-腾讯云开发者社区-腾讯云

4、特征用了什么？embdding特征为啥不用bert初始化？

在排序模型中，嵌入（embedding）特征是否使用 BERT 初始化通常取决于具体任务的需求以及上下文。

以下是一些可能的原因，为什么在某些情况下选择不使用 BERT 进行初始化：

1. 计算效率：BERT 模型相对较大，涉及复杂的计算，对计算资源和时间要求较高。在一些实时系统中，使用轻量级的嵌入特征可能更为合适。

2. 数据量问题：如果训练数据较少，直接使用 BERT 进行初始化可能会导致过拟合。此时使用简单的嵌入方法，如 Word2Vec 或 GloVe，可能更为有效。

3. 领域特定性：BERT 是一个通用的上下文嵌入模型，在某些特定领域（如医学、法律等），可能需要专门训练的嵌入模型来捕捉领域特征。因此，使用领域特定的嵌入而不是 BERT 可能效果更好。

4. 任务特性：在一些排序任务中，特征往往是结构化的，BERT 的句子级嵌入可能无法很好地捕捉这些特征之间的关系。在这些情况下，可能更倾向于使用简单的嵌入方法来保证模型的可解释性。

5. 目标与资源的权衡：在大规模排序任务中，简单的特征可以更快速地进行训练和推理。在资源有限且对实时性要求较高的情况下，可能会选择不使用复杂的 BERT 初始化。

综上所述，是否使用 BERT 进行初始化取决于具体的应用场景、数据特征、领域要求和计算资源等多种因素。

5、行为序列建模

长度怎么选择，为什么选择这个长度？

这个长度能覆盖80%用户近1个月的观看序列；选择更加长的长度需要考虑模型开销问题

6、qd embdding建模，训练时，query和doc的term没有见过，embedding会不会学的不好

在训练过程中，如果查询（query）和文档（doc）的项（item）没有见过，那么生成的嵌入（embedding）的质量可能会受到影响。这主要体现在以下几个方面：

1. 缺乏上下文信息: 如果模型没有见过特定的查询或文档，它可能无法有效地捕捉到它们的语义特征，从而影响嵌入的表示能力。

2. 过拟合风险: 如果训练集没有包含足够多的样本，可能导致模型过拟合于已见过的数据，无法很好地泛化到新数据。

3. 数据稀缺问题: 对于一些特定领域的查询和文档，可能会出现数据稀缺的情况，导致模型无法学习到足够的特征。

为了解决这些问题，可以考虑以下策略：

• 数据增强: 增加更多的训练样本，包括变换、同义词替换等，来增加模型的泛化能力。
• 迁移学习: 使用预训练的模型，这些模型可能已经在大量数据上学习到了丰富的语义信息。
• 基于上下文的嵌入: 使用基于上下文的模型（如BERT、GPT等）生成嵌入，这些模型在生成嵌入时能够考虑到更丰富的上下文信息。
• 多任务学习: 训练模型时同时使用多个相关的任务，帮助模型更好地学习语义关系。

综上所述，虽然没有见过的查询和文档可能会影响嵌入的质量，但通过合理的策略可以缓解这些影响。