Questionário vinculado ao guia · Médio Nível
Questionário sobre mecanismos de personalização de IA
Aprenda como os sistemas de recomendação combinam comportamento, recursos de itens, recuperação de candidatos e classificação para personalizar uma lista para um usuário.
Pergunta 1 de 8
Em que se baseia principalmente a filtragem colaborativa?
Visualize cada pergunta8 perguntas
As respostas e explicações aparecem conforme você responde ao teste.
- Em que se baseia principalmente a filtragem colaborativa?
- Padrões em muitos usuários, por ex. 'pessoas que gostaram de X também gostaram de Y'
- Apenas o texto descritivo de cada item
- O nível de bateria do dispositivo do usuário
- Uma lista editorial fixa dos 10 melhores
- Qual é o 'problema de inicialização a frio' na personalização?
- Servidores demorando muito para inicializar
- Ter poucos ou nenhum dado sobre um novo usuário ou novo item
- Recomendações que funcionam apenas no inverno
- Usuários efetuando logout com frequência
- Em uma arquitetura típica de dois estágios, o que faz o primeiro estágio (geração de candidatos)?
- Classifica com precisão apenas dez itens
- Escreve as descrições finais do produto
- Reduz rapidamente milhões de itens a algumas centenas
- Exclui contas de usuários inativas
- 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
- O que são 'incorporações' em um sistema de recomendação?
- Vetores representando usuários e itens para que a proximidade indique relevância
- Chips físicos no servidor
- Cookies armazenados no navegador
- Linhas de assunto do e-mail
- Por que o feedback implícito (cliques, tempo de exibição) costuma ter um peso maior que as avaliações com estrelas explícitas?
- É mais fácil fingir
- É muito mais abundante e reflete o comportamento real
- É exigido por lei
- As classificações por estrelas são ilegais
- 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