الذكاء الاصطناعي في مسابقة أنظمة التوصية

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. على ماذا تعتمد التصفية التعاونية؟
   • أنماط التفضيل لدى العديد من المستخدمين
   • الألوان المستخدمة في صورة العنصر
   • طول أوصاف المنتج
   • عشوائيا خلط الكتالوج
2. ما الذي تستخدمه التصفية المستندة إلى المحتوى لتقديم التوصيات؟
   • فقط الوقت من اليوم
   • ميزات العناصر وتفضيلاتك السابقة
   • سعر سهم الشركة
   • قلب العملة
3. ما هي المشكلة التي يحلها تحليل المصفوفة في مقدمي التوصيات؟
   • تشفير كلمات مرور المستخدم
   • ضغط ملفات الفيديو
   • تحويل مصفوفة عنصر المستخدم المتفرقة إلى ناقلات كامنة مدمجة
   • توجيه حركة المرور على الإنترنت
4. ما هي مشكلة "البداية الباردة"؟
   • الخوادم باردة جدًا بحيث لا يمكن تشغيلها
   • فيروس يقوم بتجميد الحسابات
   • التوصيات تعمل فقط في فصل الشتاء
   • صعوبة التوصية للمستخدمين الجدد أو العناصر التي ليس لها سجل
5. ما هي المنافسة التي ساعدت على تعميم أبحاث التوصيات؟
   • جائزة نتفليكس
   • جائزة تورينج
   • جائزة نوبل
   • مسابقة اليوروفيجن
6. What did Meyer and colleagues propose the Average Measure of Impact to evaluate?
   • Image classification accuracy
   • The impact of personalized recommendations on usefulness and trust
   • The number of ratings stored in a matrix
   • The GPU memory used by a recommender
7. Which metric is designed to assess the quality of a ranked top-K recommendation list?
   • Mean absolute error on a single rating only
   • Pixel accuracy
   • NDCG@K
   • معدل الخطأ في الكلمات
8. Why can a low rating-prediction error fail to guarantee a good recommendation list?
   • RMSE directly measures user satisfaction for every ranking
   • Every user sees every catalog item
   • A rating model cannot use user-item data
   • Rating accuracy and top-item ranking quality are different objectives