Quiz collegato alla guida · Medio Livello

Quiz sul filtraggio basato sui contenuti

Verifica la corrispondenza elemento-funzionalità, un esempio di nuovo elemento, contenuto e segnali di collaborazione, qualità delle funzionalità, specializzazione eccessiva, feedback degli utenti e linee di base.

Percorsi guida correlatiFiltraggio basato sul contenuto
Domanda 1 di 8

Quale segnale guida la classifica dei candidati di base basata sui contenuti della guida?

Anteprima di ogni domanda8 domande

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

  1. Quale segnale guida la classifica dei candidati di base basata sui contenuti della guida?
    • Somiglianza tra gli attributi dell'articolo e il profilo di un singolo utente
    • Somiglianza tra le cronologie di molti utenti senza attributi dell'articolo
    • Popolarità globale dell'oggetto indipendentemente dagli interessi di questo utente
    • Una classifica editoriale fissa per tutti indipendentemente dal profilo
  2. Un articolo di giardinaggio appena pubblicato non ha ancora ricevuto clic. Perché un sistema basato sui contenuti può ancora considerarlo?
    • Nessun clic dimostra che l'articolo è impopolare
    • Il testo e i tag possono essere confrontati con gli interessi registrati del lettore
    • Può dedurre le valutazioni di altri utenti che non esistono
    • Gli attributi di un nuovo elemento sono irrilevanti per la raccomandazione
  3. In che modo il filtro basato sul contenuto differisce dal filtro collaborativo come descritto qui?
    • Può abbinare il profilo di un singolo utente alle caratteristiche dell'elemento senza la cronologia di altri utenti
    • Deve utilizzare il comportamento condiviso di tutti gli utenti e mai gli attributi dell'elemento
    • Non utilizza mai alcuna informazione sulle preferenze dell'utente
    • Garantisce scoperte più diversificate rispetto a qualsiasi metodo collaborativo
  4. Cosa può succedere se ogni articolo consigliato deve assomigliare agli argomenti salvati in precedenza da un utente?
    • Il metodo si diversifica automaticamente in argomenti invisibili senza esplorazione
    • La specializzazione eccessiva può verificarsi solo dopo l'aggiunta di dati collaborativi
    • Qualsiasi elemento con sovrapposizione di funzionalità soddisfa necessariamente l'obiettivo attuale del lettore
    • Le raccomandazioni possono specializzare eccessivamente e limitare la scoperta
  5. Perché un tag di articolo ampio può produrre una corrispondenza scarsa anche quando è condiviso da due articoli?
    • Un tag condiviso dimostra che gli obiettivi dei lettori sono identici
    • I sistemi basati su tag non possono classificare nessun nuovo elemento
    • Potrebbe nascondere differenze di scopo, dettaglio o pubblico all'interno di quella categoria
    • Un profilo utente ignora sempre le funzionalità dell'elemento
  6. Un utente fa clic su un articolo una volta. Quale interpretazione dovrebbe evitare di dare automaticamente il profilo?
    • Quella curiosità può differire dalla preferenza a lungo termine
    • Che il clic è un'interazione osservata
    • Quel successivo feedback esplicito potrebbe cambiare il profilo
    • Che il clic dimostri che all'utente è piaciuto l'argomento e desidera saperne di più
  7. Dopo aver fatto sì che un servizio deduca con pochi clic che a un utente piace un solo argomento, cosa dovrebbe essere in grado di correggere la persona?
    • La popolarità globale conta per tutti gli utenti anziché per il proprio profilo
    • Solo l'ordine dei consigli di altre persone
    • Il profilo di interessi utilizzato per abbinare elementi futuri
    • La data di pubblicazione dell'elemento senza modificare gli interessi dedotti
  8. In che modo un team dovrebbe valutare se i consigli basati sulle funzionalità aiutano gli utenti?
    • Confronta solo l'incorporamento della somiglianza negli esempi di formazione
    • Confrontare i risultati successivi con la popolarità, le linee di base editoriali o collaborative
    • Misura solo i clic immediati senza soddisfazione successiva o valori di riferimento
    • Supponiamo che un punteggio di somiglianza offline elevato stabilisca il valore dell'utente