Kvíz spojený s průvodcem · Střední úroveň

Kvíz AI v systémech doporučení hudby

Otestujte, jak doporučovatelé hudby používají signály pro spolupráci, zvukové funkce, kontext seznamu skladeb, prostory pro vkládání a cíle objevování.

Související vodicí cestyAI v systémech doporučení hudby
Otázka 1 z 8

Jaký je problém „studeného startu“ v doporučení hudby?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jaký je problém „studeného startu“ v doporučení hudby?
    • Potíže s doporučováním zcela nových skladeb nebo uživatelů bez historie poslechu
    • Skladby, které hrají příliš pomalu
    • Servery v zimě padají
    • Příliš dlouhé seznamy skladeb
  2. How can content-based audio analysis help recommend a new or little-heard song?
    • By relying only on the new track’s total number of past plays
    • By comparing audio-derived representations with tracks that match a listener’s musical preferences
    • By matching its file size to songs in the same playlist
    • By using the song’s upload date as its only similarity signal
  3. Kolaborativní filtrování primárně funguje tak, že najde co?
    • Skladby stejné délky
    • Nejlevnější tratě
    • Posluchači s podobnými zvyky a doporučujícími, co se jim líbilo
    • Písně v abecedním pořadí
  4. V systémech založených na vkládání jsou dvě skladby považovány za podobné, když jejich vektory jsou jaké?
    • Stejně dlouhý řetězec
    • Různé barvy
    • Uloženo na stejném serveru
    • Blízko u sebe ve sdíleném prostoru
  5. Na čem se Pandora's Music Genome Project silně opírá?
    • Podrobné označování hudebních atributů písní
    • Náhodné míchání
    • Pouze popularita umělce
    • E-mailová adresa uživatele
  6. Proč platformy věnují větší pozornost férovosti v doporučeních?
    • Zkrátit seznamy skladeb
    • Abychom se vyhnuli pouze posílení několika megahitů a pomohli menším umělcům objevit se
    • Chcete-li snížit velikost souborů
    • Pro zpomalení přehrávání
  7. What does playlist co-occurrence contribute to a music recommender?
    • A measurement of the track’s audio sample rate
    • A prediction of how much storage a song requires
    • Context about which tracks listeners place together in playlists
    • A replacement for listening-history data
  8. Why is nearest-neighbor search useful after music tracks are mapped into an embedding space?
    • It transcribes every track’s lyrics first
    • It changes the recording’s sample rate
    • It selects songs by file name only
    • It can quickly retrieve tracks whose vectors are close to a user’s vector