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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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