Quiz połączony z przewodnikiem · Średni Poziom
Quiz dotyczący systemów rekomendacji AI
Przejrzyj metody rekomendacji, filtrowanie współpracy i treści, faktoryzację macierzy, systemy hybrydowe i ryzyko zaangażowania.
Pytanie 1 z 8
Na czym opiera się „filtrowanie wspólne” przy formułowaniu rekomendacji?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Na czym opiera się „filtrowanie wspólne” przy formułowaniu rekomendacji?
- Wzorce u wielu użytkowników o podobnych gustach
- Tylko tekstowy opis każdego elementu
- Cena produktu
- Stała redakcyjna lista 10 najlepszych artykułów
- Filtrowanie oparte na treści rekomenduje elementy głównie według:
- Losowe pobieranie próbek z katalogu
- Dopasowywanie funkcji przedmiotu do Twoich wcześniejszych preferencji
- Liczenie całkowitej sprzedaży globalnej
- Proszenie innych użytkowników o oddanie głosu
- Co miała poprawić nagroda Netflix o 10% w stosunku do poziomu bazowego Cinematch?
- Współczynnik klikalności każdego polecanego filmu
- Liczba filmów obejrzanych na użytkownika
- Pierwiastek błędu średniokwadratowego (RMSE) w ratingach utrzymywanych przez konkurencję
- Średni czas oglądania użytkownika w serwisie
- W faktoryzacji macierzy użytkownicy i elementy są reprezentowani jako:
- Pojedyncze flagi tak/nie
- Recenzje zwykłym tekstem
- Daty kalendarzowe
- Wektory ukrytych „czynników ukrytych”
- Jaki mechanizm zaproponowano w artykule Deep Interest Network w celu modelowania różnych zainteresowań użytkownika w reklamach kandydatów?
- Lokalna jednostka aktywacyjna, która tworzy reprezentację interesów konkretnego kandydata
- Stały wektor użytkownika, który jest identyczny dla każdego kandydata
- Reguła, która wybiera tylko najpopularniejszą reklamę
- Algorytm wykresu, który udowadnia, że każda reklama jest trafna
- Rekomendator „hybrydowy” to taki, który:
- Pracuje tylko w weekendy
- Łączy metody oparte na współpracy i treści
- W ogóle nie wykorzystuje danych
- Poleca tylko najnowsze pozycje
- Jakie jest jedno ograniczenie wspólnego filtrowania nowego elementu bez interakcji?
- Nie może używać ocen
- Wymaga jedynie opisu przedmiotu
- Może brakować danych dotyczących interakcji potrzebnych do rekomendowania produktu
- Zawsze poleca każdą nowość
- Co poza współczynnikiem klikalności powinien mierzyć ocena osoby rekomendującej?
- Liczą się tylko parametry modelu
- Tylko strata na treningu
- Tylko liczba rekomendacji
- Skutki i szkody dla użytkowników, takie jak różnorodność, narażenie lub niechciane zaangażowanie