# 生成式模型、判别式模型与序列标注

## 元数据

- 书名：百面机器学习：算法工程师带你去面试
- 作者：葫芦娃
- 章节：第 6 章 概率图模型
- 页码线索：118-137
- 目标岗位：AI PM / LLM 产品 / 算法工程师面试
- 优先级：P1
- 标签：probabilistic-model, sequence-labeling, topic-model

## 面试问题

生成式模型和判别式模型有什么区别？

## 30 秒回答

生成式模型学习联合分布，可描述数据如何生成；判别式模型直接学习条件分布或决策边界。序列标注中 HMM、MEMM、CRF 分别体现了不同建模假设。

## 展开要点

- 朴素贝叶斯是典型生成式模型，逻辑回归是判别式模型。
- HMM 可用于分词、词性标注等序列任务。
- MEMM 容易出现标注偏置，CRF 通过全局归一化缓解。
- 主题模型可用于内容理解、冷启动和兴趣建模。

## 高频追问

- 朴素贝叶斯的独立性假设是什么？
- MEMM 为什么有 label bias？
- LDA 如何帮助推荐冷启动？

## 项目映射

- NLP 序列标注、用户兴趣主题、内容标签体系。
- 把生成式/判别式类比到 LLM 的生成与分类任务。

## AI PM 迁移

AI PM 可以用这张卡理解“解释数据生成过程”和“直接优化任务效果”的差别。

## 备注

本卡为面试复习用的概念重构和答题框架，不保存原书正文。