اختبار مرتبط بالدليل · متوسط المستوى

اختبار محركات التخصيص بالذكاء الاصطناعي

تعرف على كيفية دمج أنظمة التوصية بين السلوك وميزات العناصر واسترجاع المرشحين وتصنيفهم لتخصيص قائمة لمستخدم واحد.

مسارات الدليل ذات الصلةمحركات التخصيص بالذكاء الاصطناعي
سؤال 1 من 8

ما الذي تعتمد عليه التصفية التعاونية في المقام الأول؟

معاينة كل سؤال8 أسئلة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

  1. ما الذي تعتمد عليه التصفية التعاونية في المقام الأول؟
    • الأنماط عبر العديد من المستخدمين، على سبيل المثال. "الأشخاص الذين أحبوا X أحبوا أيضًا Y"
    • فقط الوصف النصي لكل عنصر
    • مستوى بطارية جهاز المستخدم
    • قائمة تحريرية ثابتة لأفضل 10
  2. ما هي "مشكلة البداية الباردة" في التخصيص؟
    • تستغرق الخوادم وقتًا طويلاً جدًا في التمهيد
    • وجود بيانات قليلة أو معدومة حول مستخدم جديد أو عنصر جديد
    • التوصيات تعمل فقط في فصل الشتاء
    • يقوم المستخدمون بتسجيل الخروج بشكل متكرر
  3. في بنية نموذجية ذات مرحلتين، ما الذي تفعله المرحلة الأولى (جيل المرشح)؟
    • يرتب بدقة عشرة عناصر فقط
    • يكتب الأوصاف النهائية للمنتج
    • يضيق بسرعة ملايين العناصر إلى بضع مئات
    • حذف حسابات المستخدمين غير النشطة
  4. Why might a recommender add a diversity objective to a ranked list?
    • To guarantee every item receives equal clicks
    • To remove all user-history signals
    • To make every recommendation random
    • To avoid filling the list with near-duplicate items and broaden the alternatives shown
  5. ما هي "التضمينات" في نظام التوصيات؟
    • المتجهات التي تمثل المستخدمين والعناصر تشير إلى أهمية القرب
    • الرقائق المادية في الخادم
    • ملفات تعريف الارتباط المخزنة في المتصفح
    • سطر موضوع البريد الإلكتروني
  6. لماذا غالبًا ما يتم ترجيح التعليقات الضمنية (النقرات ووقت المشاهدة) بشكل كبير مقارنة بتقييمات النجوم الصريحة؟
    • من الأسهل التزييف
    • إنه أكثر وفرة بكثير ويعكس السلوك الفعلي
    • وهو مطلوب بموجب القانون
    • تصنيفات النجوم غير قانونية
  7. What does content-based filtering use to recommend items?
    • Only other users’ passwords
    • Random item order
    • Features of items a user has liked or interacted with
    • The device’s battery history
  8. What does normalized discounted cumulative gain (NDCG) evaluate?
    • The number of users who created accounts
    • The model’s training duration
    • Whether an item description is grammatically correct
    • The quality of a ranked list, giving higher weight to relevant items near the top