Cuestionario vinculado a una guía · Medio Nivel

Prueba de sistemas de recomendación de IA

Revise los métodos de recomendación, el filtrado colaborativo y de contenido, la factorización matricial, los sistemas híbridos y los riesgos de participación.

Rutas de guía relacionadasSistemas de recomendación de IA
Pregunta 1 de 8

¿En qué se basa el 'filtrado colaborativo' para hacer recomendaciones?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿En qué se basa el 'filtrado colaborativo' para hacer recomendaciones?
    • Patrones entre muchos usuarios con gustos similares
    • La descripción textual de cada elemento únicamente.
    • El precio del producto.
    • Una lista editorial fija de los 10 mejores
  2. El filtrado basado en contenido recomienda elementos principalmente por:
    • Muestreo aleatorio del catálogo.
    • Hacer coincidir las características del artículo con sus preferencias anteriores
    • Contando las ventas globales totales
    • Pedir a otros usuarios que voten
  3. ¿Qué buscaba mejorar el Netflix Prize en un 10 % respecto a la línea base Cinematch?
    • 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. En la factorización matricial, los usuarios y los elementos se representan como:
    • Banderas individuales de sí/no
    • Reseñas en texto plano
    • fechas del calendario
    • Vectores de 'factores latentes' ocultos
  5. ¿Qué mecanismo propuso el artículo Deep Interest Network para modelar los diferentes intereses de un usuario en distintos anuncios candidatos?
    • 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. Un recomendador 'híbrido' es aquel que:
    • Solo funciona los fines de semana
    • Combina métodos colaborativos y basados en contenidos.
    • No utiliza ningún dato
    • Recomienda sólo los artículos más nuevos.
  7. ¿Cuál es una limitación del filtrado colaborativo para un ítem nuevo sin interacciones?
    • 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. ¿Qué debe medir la evaluación de un recomendador además de la tasa de clics?
    • 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