가이드 연계 퀴즈 · 중간 레벨

AI 추천 시스템 퀴즈

추천 방법, 협업 및 콘텐츠 필터링, 행렬 분해, 하이브리드 시스템 및 참여 위험을 검토합니다.

관련 가이드 경로AI 추천 시스템
질문 1 의 8

추천을 하기 위해 '협업 필터링'은 무엇에 의존합니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. 추천을 하기 위해 '협업 필터링'은 무엇에 의존합니까?
    • 비슷한 취향을 가진 여러 사용자의 패턴
    • 각 항목의 텍스트 설명만
    • 제품 가격
    • 고정된 편집자 상위 10개 목록
  2. 콘텐츠 기반 필터링은 주로 다음을 통해 항목을 추천합니다.
    • 카탈로그의 무작위 샘플링
    • 아이템 기능을 과거 선호도와 일치
    • 총 글로벌 판매량 계산
    • 다른 사용자에게 투표하도록 요청하기
  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. 행렬 분해에서 사용자와 항목은 다음과 같이 표현됩니다.
    • 단일 예/아니요 플래그
    • 일반 텍스트 리뷰
    • 달력 날짜
    • 숨겨진 '잠재 요인'의 벡터
  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. '하이브리드' 추천자는 다음과 같습니다.
    • 주말에만 일해요
    • 협업 및 콘텐츠 기반 방법을 결합합니다.
    • 데이터를 전혀 사용하지 않습니다
    • 최신상품만 추천합니다
  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