推荐算法面试题及详细答案.docxVIP

推荐算法面试题及详细答案

一、基础概念类（必问，考察基础功底）

1.请说说推荐系统的核心目标是什么？常见的推荐场景有哪些？

答案：核心目标就两个，一是帮用户快速找到感兴趣的内容（提升用户体验，比如点击率、停留时长），二是帮平台提升转化（比如下单率、复购率），本质是“连接用户与内容/商品”，解决“信息过载”和“供需匹配”的问题，同时兼顾平台、用户、商家三方利益（比如商家曝光、平台留存）。

常见场景：电商（淘宝、京东的商品推荐）、内容（抖音、小红书的视频/笔记推荐）、社交（微信朋友圈广告、脉脉职位推荐）、影音（网易云音乐歌单、腾讯视频影视剧推荐）、本地生活（美团外卖、大众点评商家推荐）。

补充：实际面试中，可结合具体场景延伸，比如电商推荐更看重“转化和复购”，内容推荐更看重“停留和互动”，避免只说空泛的概念。

2.协同过滤算法的核心思想是什么？分为哪两类？各自的优缺点是什么？

答案：核心思想很简单——“物以类聚，人以群分”，不需要依赖物品或用户的自身特征，只通过用户的历史行为（比如点击、收藏、购买），找到相似用户或相似物品，再给用户推荐相似用户喜欢的物品，或相似物品给感兴趣的用户。

分为两类：基于用户的协同过滤（User-BasedCF）和基于物品的协同过滤（Item-BasedCF）。

1.基于用户的CF（用户相似度）：

优点：直观易懂，能捕捉用户的兴趣偏好，适合用户行为