面试概况

【一小部分题目忘记了】
2016/02/19 中午11：00-下午13：00

第一轮面试：1100-1130，机器学习

（1）设计一个系统，实现搜索引擎侧边栏的相关推荐的功能。

网页=》提取文本=》预处理（SEG，POS，NER，PARSE）=》实体抽取=》实体关系抽取=》构件知识库=》进行推荐；

（2）分词原理，3-gram中的四字成语怎么办？

n-gram

（3）词性标注的功能是什么？命名实体识别是什么？对句法分析的了解？停用词？

pos是识别动名词等等；

ner是识别人名，地名，机构名，时间等；

句法分析效率较低，对文本长度限制严格，例如stanford 的句法分析文本长度限制170个字符；

（4）设计一个系统实现实体抽取？

将实体抽取转化为标注问题，然后使用hmm模型进行训练和标注；

介绍了hmm的训练数据，模型的训练，模型的标注；

（5）HMM的参数包含哪些？其训练以及预测过程是怎样的？

介绍了hmm的三个组成（一个隐马尔科夫链，一个状态序列，一个观察序列）
三个参数（状态转移概率矩阵，发射矩阵，初始状态分布）

训练算法（mle算法和em算法）；

预测算法（viterbi算法）；

（6）稀疏矩阵的存储？数据平滑？

稀疏矩阵转换为1维线性结构；

拉普拉斯平滑，防止概率为0的情况出现；

（7）MLE与EM

mle的原理是大数定理，适用于有监督训练；

em的原理是使用上一次的结果进行迭代训练，用于训练含有隐藏变量的情况，适用于无监督训练；

第二轮面试：1130-1215，后台开发

（1）熟悉MySQL吗？使用什么存储引擎？

用过MySQL，负责编写后台API中的php代码sql语句；

InnoDB（默认的）

（2）InnoDB和MyISAM的区别？原理？

InnoDB采用B+树，叶结点为数据（部分指针），支持范围查询；

MyISAM采用B-树，叶结点为指针；

（4）如何实现1小时内只能登录5次？

设计一个登录日志表，记录用户登录信息；

（面试官提示：使用Redis缓存数据库）

（5）http事务解析过程？

域名解析=》dns解析=》tcp连接=》http请求=》服务器解析=》web root目录=》解析页面文件=》html代码=》浏览器解析html代码=》下载资源文件

（6）如何实现n条数据随机取m条？并证明概率是m/n？可否通过一次遍历实现该功能？

一个n序列，一个m序列，m次随机，从n中选取，如果冲突，就再随机；

一个n序列，以m/n的概率随机选取；（面试官给出的方法）

（7）如果数据n不确定，随机取m条，如何实现？

前m条全部取出，然后第m+1条，以1/(m+1)的概率和前边一条数据置换，依次类推；

（8）Apache和Nginx对比？

Apache多进程，占用内存，消耗资源；

Nginx多线程，节省资源，更适合反向代理以及静态文件，适合用于虚拟机；

第三轮面试：1215-1300，CEO谈心

（1）想了解公司哪些方面？

技术团队；

（2）未来三年计划？

个人能力（技术方面，团队协作）

（3）薪资期望？

4000sg

（4）业余爱好？

跑步，读书，徒步