Тест, свързан с ръководство · Среден Ниво

Тест за машини за персонализиране на изкуствен интелект

Научете как системите за препоръчване комбинират поведение, характеристики на артикули, извличане на кандидати и класиране, за да създадат списък за един потребител.

Свързани ръководни пътекиДвигатели за персонализиране на AI
Въпрос 1 на 8

На какво основно разчита съвместното филтриране?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. На какво основно разчита съвместното филтриране?
    • Модели в много потребители, напр. „хората, които са харесали X, са харесали и Y“
    • Само текстовото описание на всеки артикул
    • Ниво на батерията на устройството на потребителя
    • Фиксиран редакционен списък с топ 10
  2. Какъв е „проблемът със студения старт“ при персонализирането?
    • Зареждането на сървърите отнема твърде много време
    • Имате малко или никакви данни за нов потребител или нов артикул
    • Препоръки за работа само през зимата
    • Потребителите излизат често
  3. В типична двустепенна архитектура какво прави първият етап (генериране на кандидати)?
    • Точно класира само десет елемента
    • Пише крайните описания на продуктите
    • Бързо стеснява милиони елементи до няколкостотин
    • Изтрива неактивни потребителски акаунти
  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. Какво представляват „вгражданията“ в система за препоръки?
    • Вектори, представляващи потребители и елементи, така че близостта сигнализира за уместност
    • Физически чипове в сървъра
    • Бисквитки, съхранявани в браузъра
    • Тема на имейла
  6. Защо имплицитната обратна връзка (кликвания, време на гледане) често се претегля значително над изричните оценки със звезди?
    • По-лесно е да се фалшифицира
    • Той е далеч по-изобилен и отразява действителното поведение
    • Изисква се по закон
    • Рейтингите със звезди са незаконни
  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