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.

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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