গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

সুপারিশ সিস্টেম কুইজে AI

র‌্যাঙ্ক করা সুপারিশ মূল্যায়নের জন্য সহযোগী এবং বিষয়বস্তু-ভিত্তিক ফিল্টারিং, স্পার্স ব্যবহারকারী-আইটেম ডেটা, কোল্ড-স্টার্ট সীমা এবং মেট্রিক্স পর্যালোচনা করুন।

সম্পর্কিত গাইড পাথএআই ইন রেকমেন্ডেশন সিস্টেম
প্রশ্ন 1 এর 8

সহযোগী ফিল্টারিং কিসের উপর ভিত্তি করে?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. সহযোগী ফিল্টারিং কিসের উপর ভিত্তি করে?
    • অনেক ব্যবহারকারীর পছন্দের প্যাটার্ন
    • একটি আইটেমের ছবিতে ব্যবহৃত রং
    • পণ্যের বর্ণনার দৈর্ঘ্য
    • এলোমেলোভাবে ক্যাটালগ এলোমেলো করা
  2. বিষয়বস্তু ভিত্তিক ফিল্টারিং সুপারিশ করতে কি ব্যবহার করে?
    • শুধু দিনের সময়
    • আইটেমগুলির বৈশিষ্ট্য এবং আপনার অতীত পছন্দগুলি৷
    • কোম্পানির শেয়ারের দাম
    • একটি মুদ্রা উল্টানো
  3. ম্যাট্রিক্স ফ্যাক্টরাইজেশন সুপারিশকারীদের মধ্যে কোন সমস্যা সমাধান করে?
    • ব্যবহারকারীর পাসওয়ার্ড এনক্রিপ্ট করা হচ্ছে
    • ভিডিও ফাইল কম্প্রেস করা
    • একটি স্পার্স ব্যবহারকারী-আইটেম ম্যাট্রিক্সকে কমপ্যাক্ট সুপ্ত ভেক্টরে পরিণত করা
    • ইন্টারনেট ট্রাফিক রাউটিং
  4. 'কোল্ড স্টার্ট' সমস্যা কী?
    • সার্ভার চালানোর জন্য খুব ঠান্ডা হচ্ছে
    • একটি ভাইরাস যা অ্যাকাউন্ট হিমায়িত করে
    • সুপারিশ শুধুমাত্র শীতকালে কাজ
    • ব্র্যান্ড-নতুন ব্যবহারকারী বা ইতিহাস ছাড়াই আইটেমগুলির জন্য সুপারিশ করতে অসুবিধা৷
  5. কোন প্রতিযোগিতা সুপারিশ গবেষণা জনপ্রিয় করতে সাহায্য করেছে?
    • নেটফ্লিক্স পুরস্কার
    • টুরিং পুরস্কার
    • নোবেল পুরস্কার
    • ইউরোভিশন প্রতিযোগিতা
  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
    • শব্দ ত্রুটি হার
  8. Why can a low rating-prediction error fail to guarantee a good recommendation list?
    • RMSE directly measures user satisfaction for every ranking
    • প্রতিটি ব্যবহারকারী প্রতিটি ক্যাটালগ আইটেম দেখে
    • A rating model cannot use user-item data
    • Rating accuracy and top-item ranking quality are different objectives