Kvíz spojený s průvodcem · Střední úroveň
AI v kvízu o systémech doporučení
Prohlédněte si filtrování založené na spolupráci a obsahu, řídká data o uživatelských položkách, limity studeného startu a metriky pro hodnocení seřazených doporučení.
Otázka 1 z 8
Na čem je založeno kolaborativní filtrování?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Na čem je založeno kolaborativní filtrování?
- Vzory preference mnoha uživatelů
- Barvy použité v obrázku položky
- Délka popisů produktů
- Náhodné promíchání katalogu
- Co používá filtrování založené na obsahu k vytváření doporučení?
- Pouze denní dobu
- Vlastnosti položek a vaše minulé preference
- Cena akcií společnosti
- Hod mincí
- Jaký problém řeší maticová faktorizace v doporučovatelích?
- Šifrování uživatelských hesel
- Komprese video souborů
- Přeměna řídké matice uživatelských položek na kompaktní latentní vektory
- Směrování internetového provozu
- Jaký je problém „studeného startu“?
- Servery jsou příliš studené na to, aby běžely
- Virus, který zmrazí účty
- Doporučení fungují pouze v zimě
- Obtížné doporučování pro úplně nové uživatele nebo položky bez historie
- Jaká soutěž pomohla popularizovat výzkum doporučení?
- Cena Netflix
- Turingova cena
- Nobelova cena
- Soutěž Eurovize
- 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
- 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
- Slovní chybovost
- Why can a low rating-prediction error fail to guarantee a good recommendation list?
- RMSE directly measures user satisfaction for every ranking
- Every user sees every catalog item
- A rating model cannot use user-item data
- Rating accuracy and top-item ranking quality are different objectives