题目重点：设计搜索词推荐品牌的完整链路，明确实体歧义、冷启动与商业约束。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 品牌推荐不等于商品推荐；先问query意图、品牌库、语言、地域和广告/自然结果合同。
解题路线
- query理解做归一化、语言识别、实体/类别/属性提取；保留歧义，不把词典硬匹配当唯一答案。
- 品牌库包含brandID、别名、品类、区域可用性和embedding。多路召回合并词法、语义与热门/冷启候选，按brandID去重。
- 精排用query-brand相关性、用户上下文与业务约束，训练label来自人工或点击转化并校正曝光偏差；硬过滤先于商业打分。
- 离线用Recall@K和NDCG/相关性切片，线上看有效点击/转化、无结果率、负反馈和延迟；混淆热门品牌与真正相关需要分层验证。
- 训练数据、encoder/index/ranker版本一致，新品牌可用元数据表示冷启。query日志保护与删除策略作为数据合同。
手动走一遍
query“苹果充电器”可能指品牌设备配件，而“苹果酸奶”可能是食品意图；实体理解要结合类别，不能机械全推Apple。少见品牌拼写错误可走别名/语义召回，但地域不可售需过滤。
规模与取舍
品牌库N向量d维存储O(Nd)，召回候选K、精排开销与特征读取影响P95；每次全库crossencoder评分不可取。
易错点与追问
容易失分的边界
- 只说训练Transformer，没有服务与评价链。
- 用点击作无偏真值。
- 混淆品牌、商品与广告位。
继续深挖
- 如何处理新品牌没有点击？
- 品牌相关性与竞价如何分开？
