Quiz collegato alla guida · Medio Livello

Quiz sull'intelligenza artificiale nei ristoranti e sui menu

Valuta i consigli sugli alimenti, il filtraggio delle interazioni, la revisione del testo, il recupero, gli incorporamenti, la disponibilità e i limiti del contesto utente.

Domanda 1 di 8

Su cosa si basa principalmente il filtraggio collaborativo per formulare raccomandazioni?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Su cosa si basa principalmente il filtraggio collaborativo per formulare raccomandazioni?
    • Modelli di utenti con gusti simili
    • Il contenuto nutrizionale di ogni piatto
    • Il design degli interni del ristorante
    • Temperatura della cucina in tempo reale
  2. Perché i modelli PNL di review mining sono utili nelle app alimentari?
    • Cucinano il cibo più velocemente
    • Riassumono il sentiment ed estraggono segnali a livello di piatto dal testo
    • Sostituiscono la necessità di menu
    • Fissano i prezzi dei ristoranti
  3. In a proposed two-stage food recommender, what would candidate retrieval do before ranking?
    • Confirm the restaurant reservation
    • Process the customer’s payment
    • Select a candidate subset for a later scoring stage
    • Guarantee the final recommendation matches every preference
  4. A cosa servono gli incorporamenti nei suggerimenti dei menu?
    • Memorizzazione delle password dei clienti
    • Crittografia degli indirizzi di consegna
    • Misurazione della temperatura del forno
    • Rappresentare i piatti come vettori in modo che oggetti simili siano vicini tra loro
  5. Why can a new diner with no recorded preferences pose a cold-start problem?
    • Interaction-based personalization has little user-history evidence to work from
    • The restaurant must change its menu
    • The model cannot represent food text
    • Opening hours become unavailable to everyone
  6. What can the MenuAI research system do with a menu image and a nutritional search key?
    • Book a table without user confirmation
    • Rank menu dishes according to a query such as calories or protein
    • Diagnose a food allergy from a photograph
    • Guarantee a dish is available today
  7. Why include restaurant availability or opening hours in recommendations?
    • It improves a model’s parameter count
    • It guarantees the restaurant is highest rated
    • A highly relevant option is not useful if it is unavailable at the requested time
    • It replaces user preferences
  8. What is one limitation of review-mining sentiment for food recommendations?
    • Sentiment scores are always objective
    • Reviews contain exact nutrition facts
    • Review mining removes popularity bias
    • A review’s language may be sparse, subjective, or unrepresentative of the current menu