Gids-gekoppelde quiz · Middelmatig Niveau
Quiz over AI-personalisatiemotoren
Ontdek hoe aanbevelingssystemen gedrag, itemkenmerken, het ophalen van kandidaten en de rangschikking combineren om een lijst op maat te maken voor één gebruiker.
Vraag 1 van 8
Waar is collaboratief filteren voornamelijk op gebaseerd?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Waar is collaboratief filteren voornamelijk op gebaseerd?
- Patronen bij veel gebruikers, b.v. 'Mensen die X leuk vonden, vonden Y ook leuk'
- Alleen de tekstbeschrijving van elk item
- Het batterijniveau van het apparaat van de gebruiker
- Een vaste redactionele top-10 lijst
- Wat is het ‘koudestartprobleem’ bij personalisatie?
- Servers doen er te lang over om op te starten
- Weinig of geen gegevens hebben over een nieuwe gebruiker of nieuw item
- Aanbevelingen alleen werken in de winter
- Gebruikers loggen regelmatig uit
- Wat doet de eerste fase (kandidaatgeneratie) in een typische tweefasenarchitectuur?
- Precies rangschikt slechts tien items
- Schrijft de uiteindelijke productbeschrijvingen
- Verkleint snel miljoenen items tot een paar honderd
- Verwijdert inactieve gebruikersaccounts
- Why might a recommender add a diversity objective to a ranked list?
- To guarantee every item receives equal clicks
- To remove all user-history signals
- To make every recommendation random
- To avoid filling the list with near-duplicate items and broaden the alternatives shown
- Wat zijn 'embeddings' in een aanbevelingssysteem?
- Vectoren die gebruikers en items vertegenwoordigen, zodat nabijheid de relevantie aangeeft
- Fysieke chips in de server
- Cookies opgeslagen in de browser
- E-mailonderwerpregels
- Waarom weegt impliciete feedback (klikken, kijktijd) vaak zwaarder dan expliciete sterbeoordelingen?
- Het is gemakkelijker om te faken
- Het is veel overvloediger en weerspiegelt feitelijk gedrag
- Het is wettelijk verplicht
- Sterbeoordelingen zijn illegaal
- What does content-based filtering use to recommend items?
- Only other users’ passwords
- Random item order
- Features of items a user has liked or interacted with
- The device’s battery history
- What does normalized discounted cumulative gain (NDCG) evaluate?
- The number of users who created accounts
- The model’s training duration
- Whether an item description is grammatically correct
- The quality of a ranked list, giving higher weight to relevant items near the top