Викторина, связанная с руководством · Средний Уровень
Викторина об искусственном интеллекте в системах музыкальных рекомендаций
Протестируйте использование рекомендателями музыки сигналов для совместной работы, аудиофункций, контекста плейлиста, пространств для встраивания и целей открытия.
Вопрос 1 из 8
В чем заключается проблема «холодного старта» в музыкальных рекомендациях?
Предварительный просмотр каждого вопроса8 вопросы
Ответы и пояснения появляются по мере прохождения теста.
- В чем заключается проблема «холодного старта» в музыкальных рекомендациях?
- Трудно рекомендовать новые треки или пользователей, у которых нет истории прослушивания.
- Песни, которые играют слишком медленно
- Серверы падают зимой
- Плейлисты, которые слишком длинные
- How can content-based audio analysis help recommend a new or little-heard song?
- By relying only on the new track’s total number of past plays
- By comparing audio-derived representations with tracks that match a listener’s musical preferences
- By matching its file size to songs in the same playlist
- By using the song’s upload date as its only similarity signal
- Совместная фильтрация в первую очередь работает, обнаруживая что?
- Песни одинаковой длины
- Самые дешевые треки
- Слушатели со схожими привычками и рекомендующие то, что им понравилось
- Песни в алфавитном порядке
- В системах, основанных на встраивании, две песни считаются похожими, если их векторы каковы?
- Строка той же длины
- Разные цвета
- Хранится на том же сервере
- Рядом в общем пространстве
- На что в значительной степени опирается проект «Музыкальный геном Пандоры»?
- Подробная маркировка музыкальных атрибутов песен.
- Случайное перетасовывание
- Только популярность художника
- Адрес электронной почты пользователя
- Почему платформы уделяют больше внимания справедливости рекомендаций?
- Чтобы сделать плейлисты короче
- Чтобы не усиливать лишь несколько мегахитов и помочь более мелким артистам раскрыться.
- Чтобы уменьшить размеры файлов
- Чтобы замедлить воспроизведение
- What does playlist co-occurrence contribute to a music recommender?
- A measurement of the track’s audio sample rate
- A prediction of how much storage a song requires
- Context about which tracks listeners place together in playlists
- A replacement for listening-history data
- Why is nearest-neighbor search useful after music tracks are mapped into an embedding space?
- It transcribes every track’s lyrics first
- It changes the recording’s sample rate
- It selects songs by file name only
- It can quickly retrieve tracks whose vectors are close to a user’s vector