Рекомендательные системы

Смещения и разнообразие выдачи

Систематические искажения логов и выдачи, из-за которых система усиливает прошлые показы и сужает выбор.

popularity biasexposure biasposition biasdiversitynoveltyfeedback loop

проверенных вопросов

реальных собеседований

компаний

Раздел полностью проверен: учтены все опубликованные вопросы с профильной разметкой и отдельно проверенные вопросы по ранжированию. Частотность относится к этому корпусу. Проверка от 2026-07-16.

Начать с вопроса Смотреть все формулировки

Что нужно уметь

Найти смещение популярности и показов в данных
Сохранить релевантность при разнообразии и бизнес-ограничениях

Как эту тему спрашивают

Канонические типы вопроса объединяют разные формулировки, но каждая ссылка ведёт на конкретный вопрос из интервью.

Что должно быть в ответе

Логи показов и position bias
Diversity, novelty и coverage
Ограничения релевантности и справедливости

Прямой вопросGRII RED

Как учитывать категории и комплементарность в корзине

GRII RED: ML System Design

Что нужно уметь

Как эту тему спрашивают

Что должно быть в ответе

Как учитывать категории и комплементарность в корзине

Фильтры и бизнес-правила рекомендаций в корзине

Длинный хвост и новизна в межтоварном базовом варианте

Заменители и дополнения в корзине

Категориальные ограничения поверх векторного поиска

Как бороться с selection bias и неоднозначными negatives

Эффект rich-get-richer в matching-рекомендациях

Поиск векторов с ограничениями разнообразия

Предвзятость обратной связи и исследование в рекомендациях

Баланс платного продвижения и релевантности

Переранжирование и разнообразие в item-to-item fashion-рекомендациях

Переобучение, мониторинг и дрейф рекомендательной ленты

Обучение pointwise-ранкера без утечек и перекоса в популярные товары

Какие стандартные проблемы есть в RecSys

LightFM, content signals и bandits