Quiz collegato alla guida · Medio Livello
Quiz sui motori di personalizzazione dell'intelligenza artificiale
Scopri in che modo i sistemi di raccomandazione combinano comportamento, caratteristiche degli articoli, recupero dei candidati e ranking per personalizzare un elenco per un singolo utente.
Domanda 1 di 8
Su cosa si basa principalmente il filtraggio collaborativo?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Su cosa si basa principalmente il filtraggio collaborativo?
- Modelli tra molti utenti, ad es. "alle persone a cui piaceva X piaceva anche Y"
- Solo la descrizione testuale di ciascun articolo
- Il livello della batteria del dispositivo dell'utente
- Un elenco editoriale fisso dei primi 10
- Qual è il "problema dell'avvio a freddo" nella personalizzazione?
- I server impiegano troppo tempo per l'avvio
- Avere pochi o nessun dato su un nuovo utente o un nuovo elemento
- Raccomandazioni funziona solo in inverno
- Gli utenti si disconnettono frequentemente
- In una tipica architettura a due fasi, cosa fa la prima fase (generazione dei candidati)?
- Classifica esattamente solo dieci elementi
- Scrive le descrizioni finali del prodotto
- Restringe rapidamente milioni di elementi fino a poche centinaia
- Elimina gli account utente inattivi
- Why might a recommender add a diversity objective to a ranked list?
- To guarantee every item receives equal clicks
- To remove all user-history signals
- To make every recommendation random
- To avoid filling the list with near-duplicate items and broaden the alternatives shown
- Cosa sono gli "incorporamenti" in un sistema di raccomandazione?
- Vettori che rappresentano utenti ed elementi, quindi la vicinanza segnala rilevanza
- Chip fisici nel server
- Cookie memorizzati nel browser
- Righe dell'oggetto dell'e-mail
- Perché il feedback implicito (clic, tempo di visualizzazione) spesso ha un peso maggiore rispetto alle valutazioni a stelle esplicite?
- È più facile falsificare
- È molto più abbondante e riflette il comportamento reale
- È richiesto dalla legge
- Le valutazioni in stelle sono illegali
- What does content-based filtering use to recommend items?
- Only other users’ passwords
- Random item order
- Features of items a user has liked or interacted with
- The device’s battery history
- What does normalized discounted cumulative gain (NDCG) evaluate?
- The number of users who created accounts
- The model’s training duration
- Whether an item description is grammatically correct
- The quality of a ranked list, giving higher weight to relevant items near the top