ガイド連動クイズ · 中 レベル

レコメンデーション システムにおける AI クイズ

協調的でコンテンツベースのフィルタリング、まばらなユーザーアイテムデータ、コールドスタート制限、およびランク付けされた推奨事項を評価するためのメトリクスを確認します。

関連するガイドパスレコメンデーション システムにおける AI
質問 1 の 8

協調フィルタリングは何に基づいていますか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. 協調フィルタリングは何に基づいていますか?
    • 多くのユーザーの好みのパターン
    • アイテムの画像で使用されている色
    • 商品説明の長さ
    • カタログをランダムにシャッフルする
  2. コンテンツベースのフィルタリングは推奨を行うために何を使用しますか?
    • 時間帯のみ
    • アイテムの特徴やこれまでの好みなど
    • 会社の株価
    • コイントス
  3. 行列分解はレコメンダーでどのような問題を解決しますか?
    • ユーザーパスワードの暗号化
    • ビデオファイルの圧縮
    • スパースなユーザー項目行列をコンパクトな潜在ベクトルに変換する
    • インターネットトラフィックのルーティング
  4. 「コールドスタート」問題とは何ですか?
    • サーバーが寒すぎて実行できない
    • アカウントを凍結するウイルス
    • 冬にのみ機能する推奨事項
    • 新規ユーザーや履歴のないアイテムには推奨しにくい
  5. レコメンデーション調査の普及に貢献した競争は何ですか?
    • Netflix賞
    • チューリング賞
    • ノーベル賞
    • ユーロビジョンコンテスト
  6. What did Meyer and colleagues propose the Average Measure of Impact to evaluate?
    • Image classification accuracy
    • The impact of personalized recommendations on usefulness and trust
    • The number of ratings stored in a matrix
    • The GPU memory used by a recommender
  7. Which metric is designed to assess the quality of a ranked top-K recommendation list?
    • Mean absolute error on a single rating only
    • Pixel accuracy
    • NDCG@K
    • 単語エラー率
  8. Why can a low rating-prediction error fail to guarantee a good recommendation list?
    • RMSE directly measures user satisfaction for every ranking
    • すべてのユーザーがすべてのカタログ アイテムを参照します
    • A rating model cannot use user-item data
    • Rating accuracy and top-item ranking quality are different objectives