Вопросы на собеседовании: RecSys

Объясните концепцию холодного старта в системах рекомендаций и как её можно преодолеть.

Почему позиции рекомендаций могут оказывать влияние на вовлеченность пользователей?

Каковы основные принципы использования графов в системах рекомендаций?

Сравните методы ближайших соседей, такие как FAISS и Annoy, с точки зрения их производительности и применения.

Расскажите подробно про рекомендательный проект: постановка задачи, тестирование, проблемы.

Как определяли совместимость категорий товаров для рекомендаций?

Какие фичи использовались в модели ранжирования рекомендаций?

Как строили эмбеддинги товаров для рекомендательной системы?

Расскажите о метриках качества ранжирования: Precision@K, Recall@K, NDCG, MRR.

Какую бизнес-метрику оптимизировать в рекомендательной системе коротких видео? Среднее время сессии или суммарное?

Почему нельзя просто ранжировать по вероятности бинарного классификатора? В чём преимущество pairwise ranking?

Почему NDCG нельзя напрямую оптимизировать как loss? Какие альтернативы?

Расскажите про SVD-разложение и как оно используется в рекомендательных системах.

Как использовать контентные и коллаборативные embeddings для candidate generation в RecSys?

Какие модели и подходы рекомендательных систем вы знаете?

Как решить проблему холодного старта в рекомендательных системах?

Какие метрики ранжирования вы знаете и в чём их различия?

Как улучшить рекомендательный алгоритм по мере накопления данных?

Сравните pointwise и pairwise подходы в ранжировании: качество, скорость, метрики

В чём разница между MAP и NDCG?