2026年人工智能研发岗位面试题及编程参考答案.docxVIP

第PAGE页共NUMPAGES页

2026年人工智能研发岗位面试题及编程参考答案

一、编程题（共3题，每题20分）

题目1（Python编程，20分）：

假设你正在开发一个推荐系统，需要根据用户的历史行为数据（如购买记录、浏览记录）计算商品之间的相似度。请编写一个Python函数，实现基于余弦相似度的商品相似度计算。输入为一个用户-商品矩阵（二维列表形式，行表示用户，列表示商品，值表示用户对商品的评分或行为频率），输出为商品之间的相似度矩阵（二维列表形式，行和列均表示商品，值表示对应商品对的余弦相似度）。要求：

1.处理空值（用0代替缺失评分），并使用L2归一化；

2.时间复杂度尽可能优化（如避免重复计算）；

3.示例输入输出见代码注释。

python

importnumpyasnp

defcosine_similarity(matrix):

去除空值并填充0

matrix=np.array(matrix,dtype=float).fillna(0)

L2归一化

row_norms=np.linalg.norm(matrix,axis=1,keepdims=True)

normalized_matrix=matrix/row_norms

计算余弦相似度

similarity=np.dot(normalized_matrix,normalized_matrix.T)

return(similarity100).astype(int)#保留整数百分比相似度

示例输入

matrix=[

[5,3,0,0],

[4,0,3,1],

[1,1,0,5],

[1,0,0,4],

[0,1,5,4]

]

示例输出（商品间相似度矩阵）

[[100,0,0,0],[0,100,0,0],[0,0,100,0],[0,0,0,100]]

print(cosine_similarity(matrix))

题目2（算法设计，20分）：

某电商平台需要设计一个实时广告投放系统，要求在用户浏览页面的同时，根据用户画像（年龄、性别、兴趣标签）和广告库（广告ID、目标人群标签、曝光次数上限）匹配最相关的广告。请设计：

1.一个数据结构存储用户画像和广告信息；

2.一个匹配算法，优先考虑：

-用户兴趣与广告标签重合度最高；

-曝光次数未达上限的广告优先展示；

-随机性（若多个广告完全匹配，随机选择一个）。

3.用伪代码描述算法流程，无需实现代码。

参考答案：

1.数据结构设计：

python

classUser:

def__init__(self,user_id,age,gender,interests):

self.user_id=user_id

self.age=age

self.gender=gender

self.interests=set(interests)#兴趣标签集合

classAd:

def__init__(self,ad_id,target_tags,max_exposure):

self.ad_id=ad_id

self.target_tags=set(target_tags)

self.max_exposure=max_exposure

self.current_exposure=0#实时更新曝光次数

2.匹配算法伪代码：

defmatch_ad(user,ad_pool):

candidate_ads=[]

foradinad_pool:

ifad.current_exposuread.max_exposure:

overlap=user.interestsad.target_tags

ifoverlap:#有兴趣标签重合

candidate_ads.append((ad,len(overlap),-ad.current_exposure))#排序优先级：重合度曝光次数

ifcandidate_ads:

按重合度降序，曝光次数升序排序

candidate_ads.sort(key=lambdax:(x[1],x[2]),reverse=True)

returnrandom.choice(candidate_ads)[0]#随机选一个最优广告

returnNone

题目3（分布式系统设计，20分）：

某城市交通管理局需要实时分析全市车流量，部署一个分布式系统处理来自2000个传感器（每秒产生约1000条数据）的数据。要求：

1.设计系统架构（至少包含数据采集、