ガイド連動クイズ · 中 レベル

AI レコメンド システム クイズ

レコメンデーション方法、協調フィルタリングとコンテンツ フィルタリング、行列分解、ハイブリッド システム、エンゲージメント リスクを確認します。

関連するガイドパスAIレコメンドシステム
質問 1 の 8

「協調フィルタリング」は何を基準にして推奨を行うのですか?

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」は何を基準にして推奨を行うのですか?
    • 同様の嗜好を持つ多くのユーザーにわたるパターン
    • 各項目のテキストのみの説明
    • 製品の価格
    • 編集上の固定トップ 10 リスト
  2. コンテンツベースのフィルタリングでは、主に次のような項目によってアイテムが推奨されます。
    • カタログのランダムサンプリング
    • アイテムの特徴を過去の好みに合わせる
    • 全世界売上高のカウント
    • 他のユーザーに投票を依頼する
  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. 行列分解では、ユーザーとアイテムは次のように表されます。
    • 単一のはい/いいえフラグ
    • プレーンテキストのレビュー
    • カレンダーの日付
    • 隠れた「潜在要因」のベクトル
  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. 「ハイブリッド」レコメンダーとは、次のようなレコメンダーです。
    • 週末のみ稼働
    • 共同作業とコンテンツベースの方法を組み合わせる
    • データをまったく使用しない
    • 最新のアイテムのみを推奨します
  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
    • Only training loss
    • Only the number of recommendations
    • User outcomes and harms such as diversity, exposure, or unwanted engagement