Kuis terkait panduan · Sedang Tingkat
Kuis Mesin Personalisasi AI
Pelajari bagaimana sistem pemberi rekomendasi menggabungkan perilaku, fitur item, pengambilan kandidat, dan peringkat untuk menyesuaikan daftar untuk satu pengguna.
Pertanyaan 1 dari 8
Apa yang terutama diandalkan oleh pemfilteran kolaboratif?
Pratinjau setiap pertanyaan8 pertanyaan
Jawaban dan penjelasan muncul saat Anda mengikuti kuis.
- Apa yang terutama diandalkan oleh pemfilteran kolaboratif?
- Pola di banyak pengguna, mis. 'orang yang menyukai X juga menyukai Y'
- Hanya deskripsi teks setiap item
- Tingkat baterai perangkat pengguna
- Daftar 10 teratas editorial tetap
- Apa yang dimaksud dengan 'masalah cold-start' dalam personalisasi?
- Server memerlukan waktu terlalu lama untuk melakukan booting
- Memiliki sedikit atau tidak ada data tentang pengguna baru atau item baru
- Rekomendasi hanya berfungsi di musim dingin
- Pengguna sering logout
- Dalam arsitektur dua tahap pada umumnya, apa yang dilakukan tahap pertama (generasi kandidat)?
- Tepatnya hanya memberi peringkat sepuluh item
- Menulis deskripsi produk akhir
- Dengan cepat mempersempit jutaan item menjadi beberapa ratus
- Menghapus akun pengguna yang tidak aktif
- Mengapa pemberi rekomendasi dapat menambahkan tujuan keberagaman ke daftar peringkat?
- Untuk menjamin setiap item menerima klik yang sama
- Untuk menghapus semua sinyal riwayat pengguna
- Untuk membuat setiap rekomendasi acak
- Untuk menghindari pengisian daftar dengan item yang hampir duplikat dan memperluas alternatif yang ditampilkan
- Apa yang dimaksud dengan 'penyematan' dalam sistem rekomendasi?
- Vektor mewakili pengguna dan item sehingga kedekatan menandakan relevansi
- Chip fisik di server
- Cookie disimpan di browser
- Baris subjek email
- Mengapa masukan implisit (klik, waktu tonton) sering kali lebih diutamakan daripada rating bintang eksplisit?
- Lebih mudah untuk berpura-pura
- Jumlahnya jauh lebih banyak dan mencerminkan perilaku sebenarnya
- Hal ini diwajibkan oleh hukum
- Peringkat bintang adalah ilegal
- Apa yang digunakan pemfilteran berbasis konten untuk merekomendasikan item?
- Hanya kata sandi pengguna lain
- Urutan barang acak
- Fitur item yang disukai atau berinteraksi dengan pengguna
- Riwayat baterai perangkat
- Apa yang dievaluasi oleh keuntungan kumulatif terdiskonto yang dinormalisasi (NDCG)?
- Jumlah pengguna yang membuat akun
- Durasi pelatihan model
- Apakah deskripsi item secara tata bahasa benar
- Kualitas daftar peringkat, memberikan bobot lebih tinggi pada item relevan yang berada di dekat bagian atas