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.

Související vodicí cestySystémy doporučení AI
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.

  1. 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
  2. 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
  3. 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
  4. V maticové faktorizaci jsou uživatelé a položky reprezentováni jako:
    • Jednotlivé příznaky ano/ne
    • Recenze v prostém textu
    • Kalendářní data
    • Vektory skrytých „latentních faktorů“
  5. 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
  6. „hybridní“ doporučující je ten, který:
    • Funguje pouze o víkendech
    • Kombinuje metody založené na spolupráci a obsahu
    • Nepoužívá vůbec žádná data
    • Doporučuje pouze nejnovější položky
  7. 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
  8. 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