اختبار مرتبط بالدليل · متوسط المستوى

الذكاء الاصطناعي في اختبار توصية المطعم والقائمة

تقييم التوصيات الغذائية، وتصفية التفاعل، ومراجعة النص، والاسترجاع، والتضمين، والتوافر، وحدود سياق المستخدم.

مسارات الدليل ذات الصلةالذكاء الاصطناعي في المطاعم وتوصية القائمة
سؤال 1 من 8

ما الذي تعتمد عليه التصفية التعاونية بشكل أساسي لتقديم التوصيات؟

معاينة كل سؤال8 أسئلة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

  1. ما الذي تعتمد عليه التصفية التعاونية بشكل أساسي لتقديم التوصيات؟
    • أنماط من المستخدمين ذوي الأذواق المماثلة
    • المحتوى الغذائي لكل طبق
    • التصميم الداخلي للمطعم
    • درجة حرارة المطبخ في الوقت الحقيقي
  2. لماذا تعتبر نماذج البرمجة اللغوية العصبية (NLP) التي تعتمد على المراجعة مفيدة في تطبيقات الطعام؟
    • إنهم يطبخون الطعام بشكل أسرع
    • فهي تلخص المشاعر وتستخرج إشارات على مستوى الطبق من النص
    • أنها تحل محل الحاجة إلى القوائم
    • ويحددون أسعار المطاعم
  3. In a proposed two-stage food recommender, what would candidate retrieval do before ranking?
    • Confirm the restaurant reservation
    • Process the customer’s payment
    • Select a candidate subset for a later scoring stage
    • Guarantee the final recommendation matches every preference
  4. ما هي التضمينات المستخدمة في توصية القائمة؟
    • تخزين كلمات مرور العملاء
    • تشفير عناوين التسليم
    • قياس درجة حرارة الفرن
    • تمثيل الأطباق كمتجهات بحيث تكون العناصر المتشابهة قريبة من بعضها البعض
  5. Why can a new diner with no recorded preferences pose a cold-start problem?
    • Interaction-based personalization has little user-history evidence to work from
    • The restaurant must change its menu
    • The model cannot represent food text
    • Opening hours become unavailable to everyone
  6. What can the MenuAI research system do with a menu image and a nutritional search key?
    • Book a table without user confirmation
    • Rank menu dishes according to a query such as calories or protein
    • Diagnose a food allergy from a photograph
    • Guarantee a dish is available today
  7. Why include restaurant availability or opening hours in recommendations?
    • It improves a model’s parameter count
    • It guarantees the restaurant is highest rated
    • A highly relevant option is not useful if it is unavailable at the requested time
    • It replaces user preferences
  8. What is one limitation of review-mining sentiment for food recommendations?
    • Sentiment scores are always objective
    • Reviews contain exact nutrition facts
    • Review mining removes popularity bias
    • A review’s language may be sparse, subjective, or unrepresentative of the current menu