가이드 연계 퀴즈 · 중간 레벨

추천 시스템의 AI 퀴즈

순위가 매겨진 권장 사항을 평가하기 위한 협업 및 콘텐츠 기반 필터링, 희박한 사용자 항목 데이터, 콜드 스타트 ​​제한 및 지표를 검토합니다.

관련 가이드 경로추천 시스템의 AI
질문 1 의 8

협업 필터링은 무엇을 기반으로 합니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. 협업 필터링은 무엇을 기반으로 합니까?
    • 많은 사용자의 선호 패턴
    • 아이템 이미지에 사용된 색상
    • 제품 설명의 길이
    • 카탈로그를 무작위로 섞기
  2. 콘텐츠 기반 필터링은 추천을 위해 무엇을 사용합니까?
    • 하루 중 시간만
    • 아이템의 특징과 과거 선호도
    • 회사의 주가
    • 동전 뒤집기
  3. 추천기에서 행렬 분해는 어떤 문제를 해결합니까?
    • 사용자 비밀번호 암호화
    • 비디오 파일 압축
    • 희소 사용자 항목 행렬을 컴팩트한 잠재 벡터로 변환
    • 인터넷 트래픽 라우팅
  4. '콜드 스타트' 문제란 무엇입니까?
    • 서버가 너무 추워서 실행할 수 없음
    • 계정을 정지시키는 바이러스
    • 겨울에만 작업하는 것이 좋습니다
    • 신규 사용자나 이력이 없는 아이템에 대한 추천이 어렵습니다.
  5. 추천 연구를 대중화하는 데 어떤 경쟁이 도움이 되었나요?
    • 넷플릭스 상
    • 튜링 상
    • 노벨상
    • 유로비전 콘테스트
  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
    • 단어 오류율
  8. Why can a low rating-prediction error fail to guarantee a good recommendation list?
    • RMSE directly measures user satisfaction for every ranking
    • 모든 사용자는 모든 카탈로그 항목을 봅니다.
    • A rating model cannot use user-item data
    • Rating accuracy and top-item ranking quality are different objectives