Ukryta informacja zwrotna i quiz naprzemiennych metod najmniejszych kwadratów

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jak zwykle należy interpretować niezaobserwowaną interakcję użytkownik-element w ukrytej informacji zwrotnej?
   • As missing preference evidence, not automatically as dislike
   • As a confirmed negative rating
   • As a purchase with zero price
   • As proof the user saw the item
2. Co oznacza waga ufności c_ui w ukrytym ALS?
   • The probability that a user exists
   • How strongly the model trusts the preference evidence for a pair
   • The number of latent dimensions
   • A guaranteed item relevance score
3. Co ALS na zmianę rozwiązuje?
   • The number of users and the number of catalog items
   • A classification tree and a cluster model
   • User factors with item factors fixed, then item factors with users fixed
   • Explicit ratings and future labels
4. Dlaczego traktowanie wszystkich nieobserwowanych par jako niechęci może wprowadzać w błąd?
   • Missing entries are always numerical zeros in meaning
   • The latent factors then become probabilities
   • ALS requires every user to rate every item
   • Some items may never have been exposed to the user
5. Który obiektywny termin ogranicza wielkość czynników użytkownika i przedmiotu?
   • Set confidence equal to interaction count
   • Penalize overly large user and item factor vectors
   • Guarantee every item is recommended
   • Convert clicks into explicit star ratings
6. Why use a time-based holdout for recommendation evaluation?
   • It removes popularity bias by definition
   • It guarantees that missing pairs are negatives
   • It tests predictions on interactions that occur after training data
   • It makes all users equally active
7. Which bias can interaction-only logs create?
   • All event types have the same meaning
   • Every user sees every catalog item
   • Latent factors have no regularization
   • Items not shown cannot generate observed clicks
8. What should be monitored in addition to ranking accuracy?
   • Catalog coverage and popularity concentration
   • Only the matrix reconstruction objective
   • The alphabetical order of users
   • Whether every latent factor is positive