热门技术相关
============

Embedding
---------

-  介绍下item2vec模型
-  embedding冷启动怎么做
-  w2v的原理了解嘛，详细讲
-  w2v的原理，用的什么方法，skip-gram怎么做
-  Deepwork的思想
-  Node2vec随机游走策略
-  word2vec的loss怎么设计的
-  word2vec的工具
-  用户embedding了解嘛
-  word2vec对顺序敏感的原因，窗口大小选用多少
-  DeepWalk相比序列embedding优缺点，对那一部分item影响最大
-  w2v用的哪一个，是google13年的那篇嘛

多任务学习
----------

-  多任务学习模型的发展历史详细介绍
-  为什么要用多任务学习
-  介绍MMOE、PLE、ESMM，PLE相对MMOE的改进
-  ESSM算法原理和解决的两个问题
-  ESMM中如何解决CVR样本过于稀疏的问题，实际上解决了吗
-  ESMM训练是否使用全量样本
-  介绍PLE模型
-  PLE里面loss如何平衡
-  PLE模型中，是否有尝试对不同的gate用不同的特征，是否有尝试不同业务用不同的特征组合
-  gradnorm介绍
-  介绍关于多任务权重设置的相关模型或者策略
-  如何平衡不同任务的loss
-  如果一个特征对任务a是正相关，对任务b是负相关，如何处理这个特征
-  CTR和CVR任务放在ESMM（都是曝光空间）里和放在PLE（CTR点击空间，CVR曝光空间）里哪种效果好

图神经网络
----------

-  GNN在推荐系统中有哪些用法
-  GCN、GraphSAGE、GAT的区别与联系
-  node2vec对比deepwalk的改进
-  GraphSAGE对比GCN的优势
-  transductive与inductive的区别
-  训练图模型的loss有哪些
-  graph embedding的作用
-  GCN图卷积
-  怎么减少感受野
-  讲一下GCN，为什么用拉普拉斯矩阵，优缺点
-  GCN图谱了解嘛
-  同质图？异质图？
-  边类型不一样是异质图么
-  什么是local structure 和global structure