Test legat de ghid · Mediu Nivel

Testul sistemelor de recomandare AI

Review recommendation methods, collaborative and content filtering, matrix factorization, hybrid systems, and engagement risks.

Căi de ghidare aferenteSisteme de recomandare AI
Întrebare 1 de 8

Pe ce se bazează „filtrarea colaborativă” pentru a face recomandări?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Pe ce se bazează „filtrarea colaborativă” pentru a face recomandări?
    • Modele pentru mulți utilizatori cu gusturi similare
    • Numai descrierea textului pentru fiecare articol
    • Pretul produsului
    • O listă fixă de top-10 editoriale
  2. Filtrarea bazată pe conținut recomandă articole în principal după:
    • Eșantionarea aleatorie a catalogului
    • Potrivirea caracteristicilor articolului la preferințele tale anterioare
    • Numărarea vânzărilor globale totale
    • Cererea altor utilizatori să voteze
  3. What did the Netflix Prize seek to improve by 10% over the Cinematch baseline?
    • Click-through rate for every recommended film
    • The number of films watched per user
    • Root mean squared error (RMSE) on the competition’s held-out ratings
    • A user’s average watch time on the service
  4. În factorizarea matriceală, utilizatorii și articolele sunt reprezentați ca:
    • Steaguri unice da/nu
    • Recenzii în text simplu
    • Datele calendaristice
    • Vectori de „factori latenți” ascunși
  5. What mechanism did the Deep Interest Network paper propose for modeling a user’s different interests across candidate ads?
    • A local activation unit that forms a candidate-specific interest representation
    • A fixed user vector that is identical for every candidate
    • A rule that selects only the most popular ad
    • A graph algorithm that proves every ad is relevant
  6. Un recomandator „hibrid” este unul care:
    • Functioneaza doar in weekend
    • Combină metode colaborative și bazate pe conținut
    • Nu utilizează deloc date
    • Recomandă doar cele mai noi articole
  7. What is one limitation of collaborative filtering for a new item with no interactions?
    • It cannot use ratings
    • It requires item descriptions only
    • It may lack the interaction data needed to recommend the item
    • It always recommends every new item
  8. What should a recommender evaluation measure besides click-through rate?
    • Only the model’s parameter count
    • Only training loss
    • Only the number of recommendations
    • User outcomes and harms such as diversity, exposure, or unwanted engagement