แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
AI ในแบบทดสอบระบบการแนะนำ
ตรวจสอบการกรองการทำงานร่วมกันและการกรองตามเนื้อหา ข้อมูลรายการผู้ใช้แบบกระจัดกระจาย ขีดจำกัดการเริ่มเย็น และตัวชี้วัดสำหรับการประเมินคำแนะนำที่ได้รับการจัดอันดับ
คำถาม 1 ของ 8
การกรองร่วมกันมีพื้นฐานมาจากอะไร?
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- การกรองร่วมกันมีพื้นฐานมาจากอะไร?
- รูปแบบการตั้งค่าของผู้ใช้จำนวนมาก
- สีที่ใช้ในรูปภาพของรายการ
- ความยาวของคำอธิบายผลิตภัณฑ์
- สุ่มสับแคตตาล็อก
- การกรองตามเนื้อหาใช้อะไรในการให้คำแนะนำ
- เพียงแต่เวลาของวันเท่านั้น
- คุณสมบัติของรายการและความชอบในอดีตของคุณ
- ราคาหุ้นของบริษัท
- พลิกเหรียญ
- การแยกตัวประกอบเมทริกซ์แก้ปัญหาอะไรในตัวแนะนำ?
- การเข้ารหัสรหัสผ่านผู้ใช้
- การบีบอัดไฟล์วิดีโอ
- การเปลี่ยนเมทริกซ์รายการผู้ใช้แบบกระจัดกระจายให้เป็นเวกเตอร์แฝงที่มีขนาดกะทัดรัด
- กำหนดเส้นทางการรับส่งข้อมูลอินเทอร์เน็ต
- ปัญหา 'สตาร์ทเย็น' คืออะไร?
- เซิร์ฟเวอร์เย็นเกินกว่าจะรันได้
- ไวรัสที่ทำให้บัญชีค้าง
- คำแนะนำใช้ได้เฉพาะในฤดูหนาวเท่านั้น
- ความยากลำบากในการแนะนำสำหรับผู้ใช้ใหม่หรือรายการที่ไม่มีประวัติ
- การแข่งขันใดที่ช่วยเผยแพร่การวิจัยข้อเสนอแนะ?
- รางวัล Netflix
- รางวัลทัวริง
- รางวัลโนเบล
- การประกวดยูโรวิชัน
- What did Meyer and colleagues propose the Average Measure of Impact to evaluate?
- Image classification accuracy
- The impact of personalized recommendations on usefulness and trust
- The number of ratings stored in a matrix
- The GPU memory used by a recommender
- Which metric is designed to assess the quality of a ranked top-K recommendation list?
- Mean absolute error on a single rating only
- Pixel accuracy
- NDCG@K
- อัตราข้อผิดพลาดของคำ
- Why can a low rating-prediction error fail to guarantee a good recommendation list?
- RMSE directly measures user satisfaction for every ranking
- Every user sees every catalog item
- A rating model cannot use user-item data
- Rating accuracy and top-item ranking quality are different objectives