diff --git "a/zoom/img/\345\276\256\344\277\241\345\233\276\347\211\207_20210527125015.jpg" "b/zoom/img/\345\276\256\344\277\241\345\233\276\347\211\207_20210527125015.jpg"
new file mode 100644
index 0000000..1807111
Binary files /dev/null and "b/zoom/img/\345\276\256\344\277\241\345\233\276\347\211\207_20210527125015.jpg" differ
diff --git "a/zoom/img/\345\276\256\344\277\241\345\233\276\347\211\207_20210527125725.jpg" "b/zoom/img/\345\276\256\344\277\241\345\233\276\347\211\207_20210527125725.jpg"
new file mode 100644
index 0000000..d990990
Binary files /dev/null and "b/zoom/img/\345\276\256\344\277\241\345\233\276\347\211\207_20210527125725.jpg" differ
diff --git "a/zoom/img/\345\276\256\344\277\241\345\233\276\347\211\207_20210527125908.png" "b/zoom/img/\345\276\256\344\277\241\345\233\276\347\211\207_20210527125908.png"
new file mode 100644
index 0000000..e518820
Binary files /dev/null and "b/zoom/img/\345\276\256\344\277\241\345\233\276\347\211\207_20210527125908.png" differ
diff --git "a/zoom/img/\345\276\256\344\277\241\345\233\276\347\211\207_20210527125932.png" "b/zoom/img/\345\276\256\344\277\241\345\233\276\347\211\207_20210527125932.png"
new file mode 100644
index 0000000..7255a17
Binary files /dev/null and "b/zoom/img/\345\276\256\344\277\241\345\233\276\347\211\207_20210527125932.png" differ
diff --git a/zoom/readme.md b/zoom/readme.md
new file mode 100644
index 0000000..9754192
--- /dev/null
+++ b/zoom/readme.md
@@ -0,0 +1,309 @@
+# 群精华
+
+## lfm的问题 
+
+走吧five:
+各位大佬，问个lfm的问题
+
+走吧five:
+![](img/微信图片_20210527125015.jpg)
+
+走吧five:
+LFM这里不太明白为啥要负采样
+
+就是最后分解成两个矩阵，相乘得回原先的评分矩阵（不为0的评分相近，为0的预测），那对负样本降采样有什么用啊，还是用原先负样本远大于正样本的评分矩阵做分解啊
+
+走吧five:
+就是项亮的那本推荐系统实战
+
+走吧five:
+![](img/微信图片_20210527125725.jpg)
+
+走吧five:
+如果时评分，怎么说是正负样本
+
+.:
+仅从截图这段话，这是在讲怎么构造复样本吧，原始数据只有正正样本(喜欢)，没有负样本，不是必然要去构造负样本么？
+
+走吧five:
+还有如果是要降采样的话，是把要降采样的样本的分数或者喜欢直接置0？
+
+.:
+这个地方核心不是降采样，核心是我们只有用户喜欢那些东西，这些是正样本，没有用户不喜欢那些的负样本，所以要从全局的item抽一些来做负样本，怎么采呢，采那些热门的，同时采的时候保证每个用户数量跟正样本相当
+
+走吧five:
+@.?我是奇怪加入只有点击行为的是喜欢，为1，没点击是0，那点击肯定远小于不点击，就算有负样本，负样本一样是0，和没点击一个数值，我们把整个评分矩阵分解成两个矩阵，这时不管怎么降采样制造负样本，分解的还是原先的评分矩阵啊
+
+.:
+这不就是说的方法一么，用所有没行为的作为负样本，不是文字里说了缺陷么
+
+走吧five:
+我没说降采样的方法啊，我说不管用什么方法去制造负样本，分解的矩阵不还是原先的评分矩阵么？
+
+.:
+搜了下LFM，LFM是把用户和item表示成向量去迭次吧，向量乘起来跟真实label做loss，然后一批批的样本送进去做学习。 并不是把原矩阵写出来，有的位置是1，有的位置是0，去直接做分解吧。
+
+.:
+不是做推荐的，不过看起来感觉就是很直观的做法呢。
+
+colitas:
+可以想象成有一个user数*item数的评分矩阵 矩阵里正样本是1 负样本是0 还有大部分空项待遇测 负样本采样就是确定哪些空项填成0
+
+麻木的程序猿:
+填负数呗
+
+走吧five:
+差不多理解了，就是原矩阵是不写出来的，未点击的地方不是负样本的不优化，不填数值，只和有值的地方求loss，进行优化。
+
+走吧five:
+user向量和item向量随机初始化成隐因子的长度就行，和原先的行为数据无关。
+
+colitas:
+"走吧five: 差不多理解了，就是原矩阵是不写出来的，未点击的地方不是负样本的不优化，不填数值，只和有值的地方求loss，进行优化。"
+- - - - - - - - - - - - - - -
+没错
+
+
+## OOV 的问题
+
+hirah:
+我有个关于oov的问题
+
+hirah:
+fasttext可以做基于字母的embedding
+
+hirah:
+可以部分解决oov
+
+hirah:
+但是中文最小只能分割到单元字
+
+hirah:
+中文里面oov怎么处理呀
+
+hirah:
+不过训练集里面没有的字算是很生僻的字了吧
+
+Stefan:
+这种处理了能有多大收益呢
+
+hirah:
+fasttext相当于分解词根词缀的方式应对了oov
+
+走吧five:
+Bert不是基于单个字的么
+
+hirah:
+比如两个在word2vec那里不同的token
+
+蠢蠢:
+oov不用处理吧，预训练模型这么强的表征能力
+
+hirah:
+上面不是说的embedding吗
+
+just do it!:
+词表不用全，而在于精吧
+
+枫胤雪:
+应该就是用基于概率的wordpiece或者基于频率的bpe生成词表吧
+
+just do it!:
+比如你能够把一些常用的词覆盖到了就好了，bert基于字也是只覆盖高频词
+
+文笔超好的男同学:
+问题是
+
+just do it!:
+一般比较好的方式应该是定期重新预训练吧
+
+文笔超好的男同学:
+覆盖了，这些字能学好吗
+
+just do it!:
+这个词要看看是不是热词了
+
+文笔超好的男同学:
+是的，的确要看
+
+文笔超好的男同学:
+如果新热，那最好还是覆盖，不过一般覆盖都是用词典规则处理更快哈哈哈哈哈
+
+just do it!:
+比如如果是做新媒，你们重新预训练是在所难免的，比如一些网红词
+
+hirah:
+噢噢 应该也还是只能这样子
+
+just do it!:
+词典加规则确实是工业界标配吧，至少你可以控制
+
+文笔超好的男同学:
+是的，预训练这个在上游，老是改的话会被下游的同事追着打的
+
+文笔超好的男同学:
+科研的话，要思考的问题就是这种低频词，模型学不学的到
+
+just do it!:
+word2vec和bert其实用一个频率阈值，所以如果对于一些只出现两三次的低频词，重新预训练也是浪费时间
+
+文笔超好的男同学:
+是的会有一个频次约束
+
+文笔超好的男同学:
+gensim包里可以看看
+
+枫胤雪:
+查了一下，像英文里用的wordpiece或bpe并不适用于中文
+
+just do it!:
+bert前：jieba，ngram
+bert后：字，知识
+
+Cassia:
+可以试试sentence price
+
+文笔超好的男同学:
+我们现在连textcnn这种都用字了
+
+.:
+Price
+
+文笔超好的男同学:
+未登录词基本不用处理，汉子就那么多
+
+文笔超好的男同学:
+汉字
+
+鲤鱼(小白):
+@just do it!?知识是指知识图谱？
+
+just do it!:
+是的
+
+Cassia:
+如果不纠结那几个点的提升，字是省事又好用
+
+just do it!:
+词典、知识图谱
+
+吴玺煜:
+好久好久之前做过实验，确实字会更好
+
+文笔超好的男同学:
+还试过一种是主体用字，配一些实体词然后在原来的基础上再训
+
+文笔超好的男同学:
+效果也有提升
+
+走吧five:
+我上一个实习就是词典+规则
+
+吴玺煜:
+数据量大的话，字会更好吧
+
+文笔超好的男同学:
+有些实体词能学到的话的确有利于下游任务的
+
+## 标签数量太多问题
+
+走吧five:
+标签200多个
+
+文笔超好的男同学:
+200多个标签，优先考虑以搜代替分类
+
+hirah:
+tag classification啊
+
+hirah:
+比如给tweet上tag
+
+hirah:
+就有几百上千个class
+
+文笔超好的男同学:
+智能问答faq之类的，其实就是一个n分类，每个分类空间都很小
+
+文笔超好的男同学:
+query进入，找有没有和他相近的，如果有，那就认为query就属于和他相近的句子的那个类
+
+枫胤雪:
+我很好奇，实习让标注，那面试的时候都面的啥内容
+
+文笔超好的男同学:
+这种检索答案，本质上就是一种分类，而且这种方案还有个优势，就是分类的个数可以随意调整
+
+吴玺煜:
+以前做过智能客服，某公司用的就是分类，400多分类
+
+just do it!:
+![](img/微信图片_20210527125908.png)
+
+走吧five:
+以搜代替分类？
+
+吴玺煜:
+但是rank效果会比分类好吗？
+
+just do it!:
+![](img/微信图片_20210527125932.png)
+
+just do it!:
+多标签：一些场景下的标签设置可能达到几百个，可以设置多层级的标签体系进行处理。例如，先构建标签大类、再构建标签小类；也可以设置多个二分类，适用于标签分类相对独立，并且经常需要新增修改的场景，能做到相互独立、便于维护。
+
+文笔超好的男同学:
+你是指hard case吗，这个对分类，搜索方案都一样是难题啊
+
+文笔超好的男同学:
+总体效果来说，我感觉比直接多分类更容易拿到好的效果
+
+走吧five:
+多层级就是训练多个模型然后做类似模型融合么
+
+just do it!:
+hard case 直接规则吧，让模型搞，你都不知道他能不能解决问题，即使解决了你还不知道他是不是偶然的或者有没有引入新问题
+
+走吧five:
+就是第一个模型分大类，第二个模型分小类，把多个标签的识别分给多个模型粉红负责
+
+文笔超好的男同学:
+能发现就赶紧黑白名单搞，但是还是要弄点泛化的
+
+文笔超好的男同学:
+如果是这种优化，那其实就是语义相似度的优化了
+
+文笔超好的男同学:
+这周我会写这个以搜代分类的适用场景，完整思路，优缺点，可以期待下
+
+文笔超好的男同学:
+这个trick其实挺喜欢的。说白了检索top1其实就是可以理解为n分类，这个n可以很大，几十万几百万
+
+## word2vec to 推荐
+
+行者无疆:
+只有个word2vec，一定会遇到oov问题，这个时候oov问题怎么处理？我问他如何处理，他说把这些词收集起来，然后重新训练
+
+Stefan:
+用来召回吧
+
+Stefan:
+side_info也训练emb。方便冷启动召回
+
+文笔超好的男同学:
+w2v能解高频用户，倒是也行
+
+行者无疆:
+embedding当然需要，但问题在于他只有word2vec，别的什么都没有，然后就是计算相似度，这个就是推荐的结果
+
+文笔超好的男同学:
+低频新用户肯定是新热这种来处理的
+
+走吧five:
+就是得要多路召回么
+
+政委:
+w2v作为一路召回
+
+文笔超好的男同学:
+多路召回是必然的