Викторина, связанная с руководством · Средний Уровень

Викторина по рекомендательным системам искусственного интеллекта

Ознакомьтесь с методами рекомендаций, совместной фильтрацией и контентной фильтрацией, матричной факторизацией, гибридными системами и рисками взаимодействия.

Связанные направляющие путиРекомендательные системы искусственного интеллекта
Вопрос 1 из 8

На чем основана «совместная фильтрация» при выработке рекомендаций?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. На чем основана «совместная фильтрация» при выработке рекомендаций?
    • Шаблоны для многих пользователей со схожими вкусами
    • Только текстовое описание каждого элемента
    • Цена продукта
    • Фиксированный редакционный список топ-10
  2. Контентная фильтрация рекомендует элементы в основном по:
    • Случайная выборка каталога
    • Сопоставление характеристик товара с вашими прошлыми предпочтениями
    • Подсчет общего объема продаж по всему миру
    • Просить других пользователей проголосовать
  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. При матричной факторизации пользователи и элементы представлены как:
    • Одиночные флаги да/нет
    • Обычные текстовые отзывы
    • Календарные даты
    • Векторы скрытых «скрытых факторов»
  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. «Гибридный» рекомендатель — это тот, который:
    • Работает только по выходным
    • Сочетает в себе совместные и контент-ориентированные методы.
    • Не использует никаких данных вообще
    • Рекомендует только новинки
  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