Quiz collegato alla guida · Medio Livello

Quiz sui sistemi di raccomandazione dell'intelligenza artificiale

Esaminare i metodi di raccomandazione, il filtraggio collaborativo e dei contenuti, la fattorizzazione della matrice, i sistemi ibridi e i rischi di coinvolgimento.

Domanda 1 di 8

Su cosa si basa il "filtro 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 il "filtro collaborativo" per formulare raccomandazioni?
    • Modelli tra molti utenti con gusti simili
    • Solo la descrizione testuale di ciascun articolo
    • Il prezzo del prodotto
    • Un elenco editoriale fisso dei primi 10
  2. Il filtro basato sul contenuto consiglia gli elementi principalmente in base a:
    • Campionamento casuale del catalogo
    • Abbina le caratteristiche degli articoli alle tue preferenze passate
    • Conteggio delle vendite globali totali
    • Chiedere ad altri utenti di votare
  3. What did the Netflix Prize seek to improve by 10% over the Cinematch baseline?
    • 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. Nella fattorizzazione matriciale, gli utenti e gli elementi sono rappresentati come:
    • Singoli flag sì/no
    • Recensioni in testo semplice
    • Date del calendario
    • Vettori di 'fattori latenti' nascosti
  5. What mechanism did the Deep Interest Network paper propose for modeling a user’s different interests across candidate ads?
    • 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 raccomandatore "ibrido" è quello che:
    • Funziona solo nei fine settimana
    • Combina metodi collaborativi e basati sui contenuti
    • Non utilizza alcun dato
    • Consiglia solo gli articoli più nuovi
  7. What is one limitation of collaborative filtering for a new item with no interactions?
    • 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. What should a recommender evaluation measure besides click-through rate?
    • Only the model’s parameter count
    • Solo perdita di allenamento
    • Only the number of recommendations
    • User outcomes and harms such as diversity, exposure, or unwanted engagement