레스토랑 및 메뉴 추천 퀴즈의 AI

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 협업 필터링은 추천을 하기 위해 주로 무엇에 의존합니까?
   • 비슷한 취향을 가진 사용자의 패턴
   • 각 요리의 영양성분
   • 레스토랑의 인테리어 디자인
   • 실시간 주방 온도
2. 리뷰 마이닝 NLP 모델이 음식 앱에 유용한 이유는 무엇입니까?
   • 그들은 음식을 더 빨리 요리한다
   • 감정을 요약하고 텍스트에서 요리 수준의 신호를 추출합니다.
   • 메뉴의 필요성을 대체합니다.
   • 레스토랑 가격을 정했어요
3. In a proposed two-stage food recommender, what would candidate retrieval do before ranking?
   • Confirm the restaurant reservation
   • Process the customer’s payment
   • Select a candidate subset for a later scoring stage
   • Guarantee the final recommendation matches every preference
4. 메뉴 추천에 임베딩이 사용되는 이유는 무엇인가요?
   • 고객 비밀번호 저장
   • 배송 주소 암호화
   • 오븐 온도 측정
   • 유사한 항목이 서로 가까이 배치되도록 요리를 벡터로 표현
5. Why can a new diner with no recorded preferences pose a cold-start problem?
   • Interaction-based personalization has little user-history evidence to work from
   • The restaurant must change its menu
   • The model cannot represent food text
   • Opening hours become unavailable to everyone
6. What can the MenuAI research system do with a menu image and a nutritional search key?
   • Book a table without user confirmation
   • Rank menu dishes according to a query such as calories or protein
   • Diagnose a food allergy from a photograph
   • Guarantee a dish is available today
7. Why include restaurant availability or opening hours in recommendations?
   • It improves a model’s parameter count
   • It guarantees the restaurant is highest rated
   • A highly relevant option is not useful if it is unavailable at the requested time
   • It replaces user preferences
8. What is one limitation of review-mining sentiment for food recommendations?
   • Sentiment scores are always objective
   • Reviews contain exact nutrition facts
   • Review mining removes popularity bias
   • A review’s language may be sparse, subjective, or unrepresentative of the current menu