NLP面试题目总结_nlp大模型的面试算法题

数学基础

1. 给定两个矩阵，怎么计算它们之间的相乘？怎么计算一个矩阵的inverse?

。
$$A=[[1,3],[2,5]],B[[4,1],[2,4]]，A\ast B=?A^{-1}=?$$

两个矩阵的相乘，就是各个位置元素的相乘。
$A\ast B=[[1\ast 4,3\ast 1],[2\ast 2,5\ast 4]]$
2*2的矩阵求逆，假设A=[[a,b],[c,d]]：

1. 调换a和d的位置；
2. 把负号放在b和c前面；
3. 用各个元素除以A矩阵的行列式 (ad-bc)；
   $A^{-1}=-1\ast [[5,-3],[-2,1]]=[[-5,3],[2,-1]]$

2. 怎么计算一个向量的 norm? a = (3,1,5,1)， |a| = ?

一范式是向量的绝对值之和：3+1+5+1 = 10;
二范式是向量元素的绝对值的平方和再开方：sqrt(9+1+25+1)=6

3. 什么是 Frobenius norm？ 给定 A = [[1,3],[2,5]], 请计算；

F-范数:矩阵A各项元素的绝对值平方和开方
向量范数和矩阵范数的区别：

1. 首先是向量和矩阵的区别：为了更好的在数学上表达集合的映射关系，这里引入了矩阵。矩阵就是表征空间映射关系，向量是用来表示映射中的集合。一个集合(向量)通过一个映射关系(矩阵)，得到另外一个集合(向量)；
2. 向量的范数：表示原有集合的大小；矩阵的范数：表示这个变化过程大小的一个度量；

4. 什么叫矩阵的 determinant? 怎么计算⼀个矩阵的 determinant? A = [[1,3],[2,5]],det(A)=?

矩阵行列式是指矩阵的全部元素构成的行列式，设$A=(a_{ij})$是数域P上的一个n阶矩阵，则所有$A=(a_{ij})$中的元素组成的行列式称为矩阵A的行列式，记为|A|或det(A)。
2X2矩阵的行列式det(A)= ad-bc= -1

5. 什么叫 underflow, 什么叫 overflow? 对于很多的 AI 问题，如果出现很多概率的相乘，我们通常都在最前⾯加 log， 为什么？ ⽐如 argmax p(x), 通常求解 argmax log p(x).

1. 实数在计算机内用二进制表示，所以不是一个精确值，当数值过小的时候，被四舍五入为0，这就是下溢出。此时如果对这个数再做某些运算（例如除以它）就会出问题。反之，当数值过大的时候，被视为（正负）无穷，情况就变成了上溢出；
2. 加log是为了将乘除转变为加减运算，一是为了简化运算，二是为了避免出现上下溢出的情况；

6. 什么叫信息熵？ 什么叫互信息？ 他们具体的含义是什么？

信息熵是信息量的定量描述，是随机变量抽样得到的分布中产生的信息量的平均值：
$$H(x)=-\sum _{i=1}^{\infty }P(x_i)logP(x)$$
下面介绍下为什么信息熵要用这样的式子来表示：

1. 信息量：信息量可以被看做是在学习x的值时的“惊讶程度”，当一个相当于不可能的事件发生时，信息量(惊讶程度)越大；当一个事情一定会发生时，信息量(惊讶程度)越小；
2. 由此将信息内容的度量与概率分布P(x)挂钩，将信息内容的度量依赖于概率分布P(x)，信息内容h(x)是概率P(x)的单调递减函数；
3. 不相关的事件X、Y，X和Y同时发生的概率为：P(X,Y) = P(X)P(Y)，X和Y同时发生的信息量应是：h(X, Y) = h(X)+h(Y)，根据这个变乘为加的关系，可以考虑引入log来表示h(X)，于是可以有：
   $$h(x)=-logP(x)$$或者$$h(x)=log(\frac{1}{P(x)})$$
4. 对随机变量抽样所获得的平均信息量，就是关于概率分布P(x)的期望(以第一种表达方式为例)：
   $$H(x)=-\sum _{i=1}^{\infty }P(x_i)logP(x)$$

参考blog链接：https://blog.csdn.net/pipisorry/article/details/51695283

互信息是用来度量 随机变量X 和随机变量 Y 共享的信息：表示已知X时，有多大程度可以确定Y，这个多大程度就是X提供的Y的信息量。是变量间相互依赖性的量度，表示联合分布P(X,Y)和分解的边缘分布的乘积P(X)P(Y)的相似程度。

参考blog：https://www.cnblogs.com/gatherstars/p/6004075.html

7. 对于softmax 函数，我们去实现的时候怎么避免underflow 或者 overflow?

1. softmax函数可以表示为：$$f(x)=\frac{e^{x_i}}{{\sum }_{j=1}^n{e}^{x_j}},j=1,,,n$$
2. softmax的功能就是将输入的值映射成为(0,1)的值，而映射后的值累加和为1（满足概率的性质），那么我们就可以将映射后的值理解成概率，在最后选取输出结点的时候，我们就可以选取概率最大（也就是值对应最大的）结点，作为预测目标。如图：
3. 当z的值极其大时，分子计算$e^x$时就可能导致上溢出，而当x的值为负数时，分母很大，就容易输出为0，导致下溢出。
4. 解决方法一： 将$f(x_i)$变为$f(x_i-M)$
   解决方法二：加上log
   参考知乎：
   https://www.zhihu.com/question/23765351

8. 怎么判断一个函数是否是凸函数？比如log x，Ax+b，|Ax-b|^2是凸函数吗?

凸函数的判断方法有三种：

1. 定义法(易画出图形时判断)；定义：函数的定义域为凸集，对于定义域里任意x,y，函数满足：
   $$f(\theta x+(1-\theta )y)\le \theta f(x)+(1-\theta )f(y),\theta \in [0,1]$$
   即任意x和y两点的连线上的值大于等于函数上的值，即为凸函数。
   这里即可判断log x，Ax+b均为凸函数；
2. 一阶导数判断(不常用)：假设函数在定义域内可导，当且仅当$f(y)\ge f(x)+\nabla (x{)}^T(y-x)$
3. 二阶判断：假设函数在定义域内二阶可导，则当且仅当：${\nabla }^{2}f(x)\ge 0$时，f为凸函数；
   如果求二阶导后为一个具体的数，这个数大于等于0即为凸函数；如果求出的是一个矩阵，则矩阵正定的话，即为凸函数；
   对于二次函数$|Ax-b{|}^2$来说，求完二阶导等于2|A|，因为|A|大于等于0，故原函数为凸函数。

9. 利用chain rule来分解联合概率 p(x1, x2, x3, x4, x5)

$$p(x1,x2,x3,x4,x5)=p(x5|x1,x2,x3,x4)\ast p(x4|x1,x2,x3)\ast p(x3|x1,x2)\ast p(x2|x1)\ast p(x1)$$

10. 什么是KL-Divergence,写出它的数学细节，什么时候需要用到它？

机器学习基础

自然语言处理

数据结构与算法相关

1. 快速排序算法

请实现快速排序算法，自行设计测试用例来说明算法的准确性，算法的时间和空间复杂度是多少？最坏的时间复杂度是多少？

快排是每次从当前考虑的数组中选择一个元素，以这个元素为基点，之后把这个元素放在它排好序后应该处的位置上。

比如对数组：[4,6,2,3,1,5,7,8]排序，首先先要把4这个元素放在已经排序好的位置上，此时该元素就都具有了一个性质：即4之前的所有元素都是小于4的，4之后的所有元素都是大于4的。

接下来所做的事情，就是对当前排好序的元 素4之前和之后的部分，继续递归的进行上述过程，直至每个元素都排好序。

那么问题就是两个方面：
1. 如何将遍历的元素放在已经排序好的位置上；
2. 如何定义元素已经排好序；

通常选择第一个元素v作为基准点，索引记作i，之后遍历未访问的元素，在遍历的过程中，逐渐的移动位置，把当前访问的元素记为i， 小于v和大于v的分界点的索引位置叫做j。

当i指的元素比v还要大时，让i++，将其放在大于v的区间中；
当i指的元素比v小时，则将j所指的后一个元素与i指的元素进行交换，再让j++,i ++，进而考察下一个；

2. 归并排序算法

请实现归并排序，自行设计测试用例来说明算法的准确性，算法的时间和空间复杂度是多少？最坏的时间复杂度是多少？

3. 面对一个具体的问题，倾向于使用归并还是快排，为什么？