Mit dem Guide verknüpftes Quiz · Mittel Ebene

Quiz zu KI-Empfehlungssystemen

Überprüfen Sie Empfehlungsmethoden, Kollaborations- und Inhaltsfilterung, Matrixfaktorisierung, Hybridsysteme und Engagementrisiken.

Verwandte FührungspfadeKI-Empfehlungssysteme
Frage 1 von 8

Worauf basiert die „kollaborative Filterung“, um Empfehlungen abzugeben?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Worauf basiert die „kollaborative Filterung“, um Empfehlungen abzugeben?
    • Muster bei vielen Benutzern mit ähnlichem Geschmack
    • Nur die Textbeschreibung jedes Artikels
    • Der Preis des Produkts
    • Eine feste redaktionelle Top-10-Liste
  2. Die inhaltsbasierte Filterung empfiehlt Elemente hauptsächlich nach:
    • Zufällige Auswahl des Katalogs
    • Passende Artikelmerkmale an Ihre bisherigen Vorlieben
    • Zählung des weltweiten Gesamtumsatzes
    • Bitten Sie andere Benutzer, abzustimmen
  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. Bei der Matrixfaktorisierung werden Benutzer und Elemente wie folgt dargestellt:
    • Einzelne Ja/Nein-Flags
    • Klartextrezensionen
    • Kalenderdaten
    • Vektoren versteckter „latenter Faktoren“
  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. Ein „hybrider“ Empfehlungsgeber ist einer, der:
    • Funktioniert nur am Wochenende
    • Kombiniert kollaborative und inhaltsbasierte Methoden
    • Verwendet überhaupt keine Daten
    • Empfiehlt nur die neuesten Artikel
  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?
    • Only the model’s parameter count
    • Only training loss
    • Only the number of recommendations
    • User outcomes and harms such as diversity, exposure, or unwanted engagement