Kuiz berkaitan panduan · Sederhana Tahap

AI dalam Kuiz Pengesyoran Restoran dan Menu

Menilai pengesyoran makanan, penapisan interaksi, teks ulasan, pengambilan semula, pembenaman, ketersediaan dan had konteks pengguna.

Laluan panduan yang berkaitanAI Dalam Pengesyoran Restoran Dan Menu
soalan 1 daripada 8

Apakah yang paling bergantung pada penapisan kolaboratif untuk membuat pengesyoran?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah yang paling bergantung pada penapisan kolaboratif untuk membuat pengesyoran?
    • Corak daripada pengguna yang mempunyai citarasa yang sama
    • Kandungan nutrisi setiap hidangan
    • Reka bentuk dalaman restoran
    • Suhu dapur masa nyata
  2. Mengapakah model NLP perlombongan ulasan berguna dalam apl makanan?
    • Mereka memasak makanan dengan lebih cepat
    • Mereka meringkaskan sentimen dan mengeluarkan isyarat peringkat hidangan daripada teks
    • Mereka menggantikan keperluan untuk menu
    • Mereka menetapkan harga restoran
  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. Apakah benam yang digunakan dalam pengesyoran menu?
    • Menyimpan kata laluan pelanggan
    • Menyulitkan alamat penghantaran
    • Mengukur suhu ketuhar
    • Mewakili hidangan sebagai vektor supaya item yang serupa duduk berdekatan
  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