Kvíz spojený s průvodcem · Střední úroveň
Kvíz o systémech doporučení AI
Projděte si metody doporučení, kolaborativní filtrování a filtrování obsahu, maticovou faktorizaci, hybridní systémy a rizika zapojení.
Otázka 1 z 8
Na čem závisí „spolupráce filtrování“ při vytváření doporučení?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Na čem závisí „spolupráce filtrování“ při vytváření doporučení?
- Vzory napříč mnoha uživateli s podobným vkusem
- Pouze textový popis každé položky
- Cena produktu
- Pevný redakční seznam top-10
- Filtrování založené na obsahu doporučuje položky zejména podle:
- Náhodný výběr z katalogu
- Přizpůsobení funkcí položek vašim minulým preferencím
- Počítání celkových globálních prodejů
- Požádání ostatních uživatelů, aby hlasovali
- What did the Netflix Prize seek to improve by 10% over the Cinematch baseline?
- Click-through rate for every recommended film
- The number of films watched per user
- Root mean squared error (RMSE) on the competition’s held-out ratings
- A user’s average watch time on the service
- V maticové faktorizaci jsou uživatelé a položky reprezentováni jako:
- Jednotlivé příznaky ano/ne
- Recenze v prostém textu
- Kalendářní data
- Vektory skrytých „latentních faktorů“
- What mechanism did the Deep Interest Network paper propose for modeling a user’s different interests across candidate ads?
- A local activation unit that forms a candidate-specific interest representation
- A fixed user vector that is identical for every candidate
- A rule that selects only the most popular ad
- A graph algorithm that proves every ad is relevant
- „hybridní“ doporučující je ten, který:
- Funguje pouze o víkendech
- Kombinuje metody založené na spolupráci a obsahu
- Nepoužívá vůbec žádná data
- Doporučuje pouze nejnovější položky
- What is one limitation of collaborative filtering for a new item with no interactions?
- It cannot use ratings
- It requires item descriptions only
- It may lack the interaction data needed to recommend the item
- It always recommends every new item
- What should a recommender evaluation measure besides click-through rate?
- Pouze počet parametrů modelu
- Only training loss
- Only the number of recommendations
- User outcomes and harms such as diversity, exposure, or unwanted engagement