回复: 19
跳转到指定楼层
上一主题 下一主题
收起左侧

text / NLP take home project,欢饮讨论思路

全局:

2018(1-3月) 分析|数据科学类 硕士 全职@Shipt - 网上海投 - 其他  | | Other | 在职跳槽

注册一亩三分地论坛,查看更多干货!

您需要 登录 才可以下载或查看附件。没有帐号?注册账号

x
和hr聊过之后发了take home project, 三选二,其中一题很有意思,感觉没遇到过这种题目:
现有一个product name list,然后有一个new product name list,想看一下两个list里面有多少重复的product。

product name可能不是exact match,算是semi-structrued data?注意第1,3行,是同一个product但是名字记录的略微不一样。
除了特殊符号,每个词的顺序之外,记录重量的部分有可能重复,有可能在前面或者后面,data有60k records
您好!
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式
游客,您好!
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies
epperoni Pizza 9Oz
existing
Hotpockt# Sub Ham & Cheese 9Ozexisting
Hotpockt# Sub Philly Stk&Chs 9Ozexisting



评分

参与人数 1大米 +10 收起 理由
匿名用户-UP5FR + 10 很有用的信息!

查看全部评分


上一篇:愿望 相关工程师面经
下一篇:灵婴DS实习第一轮电面
推荐
yikehongxin 2018-1-26 14:18:59 | 只看该作者
全局:
您好!
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式
游客,您好!
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

评分

参与人数 1大米 +3 收起 理由
xssssss + 3 给你点个赞!

查看全部评分

回复

使用道具 举报

推荐
zocean 2018-1-31 00:41:32 | 只看该作者
全局:
您好!
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式
游客,您好!
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies
回复

使用道具 举报

推荐
xssssss 2018-1-28 15:16:11 | 只看该作者
全局:
您好!
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式
游客,您好!
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies
回复

使用道具 举报

🔗
kkissmart 2018-1-26 10:52:47 | 只看该作者
全局:
python 里面有一个api, 是返回两个string 的similarity score 的, 具体叫什么我不记得了, 但是用过。 你可以用。 其他的方法就是 remove 非alpha numerical value, 算bag of word
回复

使用道具 举报

🔗
wilsoj 2018-1-26 10:58:43 | 只看该作者
全局:
所有的词组tokenize成词向量以后,距离应该用cosine similarity计算。。。
google 一下“NLP, cos similarity”
回复

使用道具 举报

🔗
coco-kou 2018-1-26 11:25:27 | 只看该作者
全局:
最简单的做法是看两个产品名之间的jaccard similarity, 就是两个产品的相同的词的个数/两个产品包含的所有的词的个数。
回复

使用道具 举报

🔗
kkissmart 2018-1-26 12:58:06 | 只看该作者
全局:
你还可以word2vec 然后,每个句子求平均值, google 有个train 好的model。 直接做dictionary 用。
回复

使用道具 举报

🔗
xssssss 2018-1-26 14:03:28 | 只看该作者
全局:
您好!
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式
游客,您好!
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

评分

参与人数 2大米 +25 收起 理由
wrj5518 + 20 很有用的信息!
yikehongxin + 5 给你点个赞!

查看全部评分

回复

使用道具 举报

🔗
xssssss 2018-1-26 14:26:06 | 只看该作者
全局:
求问楼主投的哪家公司哪个岗位?刚毕业正找工作中。。感觉这个test跟我做过的项目非常搭。。
回复

使用道具 举报

🔗
xssssss 2018-1-26 14:31:32 | 只看该作者
全局:
xssssss 发表于 2018-1-26 14:26
求问楼主投的哪家公司哪个岗位?刚毕业正找工作中。。感觉这个test跟我做过的项目非常搭。。

看了一下shipt的data scientist,发现三周前已经投过了然而并没有消息。。
回复

使用道具 举报

🔗
lakerl 2018-1-26 14:59:15 | 只看该作者
全局:
没细看题目,不过好像跟quora duplicate question那题很像,楼主可以看看那题的1st solution开拓思路
回复

使用道具 举报

下一页 »
123下一页
返回列表 发新帖
您需要登录后才可以回帖 登录 | 注册账号
隐私提醒:
  • ☑ 禁止发布广告,拉群,贴个人联系方式:找人请去🔗同学同事飞友,拉群请去🔗拉群结伴,广告请去🔗跳蚤市场,和 🔗租房广告|找室友
  • ☑ 论坛内容在发帖 30 分钟内可以编辑,过后则不能删帖。为防止被骚扰甚至人肉,不要公开留微信等联系方式,如有需求请以论坛私信方式发送。
  • ☑ 干货版块可免费使用 🔗超级匿名:面经(美国面经、中国面经、数科面经、PM面经),抖包袱(美国、中国)和录取汇报、定位选校版
  • ☑ 查阅全站 🔗各种匿名方法

本版积分规则

>
快速回复 返回顶部 返回列表