แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบระบบการแนะนำ AI

ทบทวนวิธีการแนะนำ การกรองการทำงานร่วมกันและการกรองเนื้อหา การแยกตัวประกอบเมทริกซ์ ระบบไฮบริด และความเสี่ยงในการมีส่วนร่วม

เส้นทางแนะนำที่เกี่ยวข้องระบบแนะนำ AI
คำถาม 1 ของ 8

'การกรองร่วมกัน' อาศัยอะไรในการให้คำแนะนำ

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. 'การกรองร่วมกัน' อาศัยอะไรในการให้คำแนะนำ
    • รูปแบบของผู้ใช้หลายคนที่มีรสนิยมคล้ายกัน
    • คำอธิบายข้อความของแต่ละรายการเท่านั้น
    • ราคาของผลิตภัณฑ์
    • รายการบรรณาธิการ 10 อันดับแรกแบบคงที่
  2. การกรองตามเนื้อหาจะแนะนำรายการต่างๆ เป็นหลักโดย:
    • การสุ่มตัวอย่างแคตตาล็อก
    • จับคู่คุณสมบัติรายการกับการตั้งค่าในอดีตของคุณ
    • นับยอดขายทั่วโลกทั้งหมด
    • ขอให้ผู้ใช้รายอื่นลงคะแนน
  3. รางวัล Netflix พยายามปรับปรุงอะไร 10% จากพื้นฐาน Cinematch
    • อัตราการคลิกผ่านสำหรับภาพยนตร์ที่แนะนำทุกเรื่อง
    • จำนวนภาพยนตร์ที่ดูต่อผู้ใช้
    • Root Mean Squared Error (RMSE) ในการจัดอันดับที่ระงับไว้ของการแข่งขัน
    • เวลาในการรับชมบริการโดยเฉลี่ยของผู้ใช้
  4. ในการแยกตัวประกอบเมทริกซ์ ผู้ใช้และรายการจะแสดงเป็น:
    • แฟล็กใช่/ไม่ใช่เดี่ยว
    • บทวิจารณ์ข้อความธรรมดา
    • วันที่ในปฏิทิน
    • เวกเตอร์ของ 'ปัจจัยแฝง' ที่ซ่อนอยู่
  5. เอกสาร Deep Interest Network เสนอกลไกใดในการสร้างแบบจำลองความสนใจที่แตกต่างกันของผู้ใช้ในโฆษณาที่ผู้สมัครรับเลือกตั้ง
    • หน่วยกระตุ้นการทำงานในท้องถิ่นที่เป็นตัวแทนความสนใจเฉพาะผู้สมัคร
    • เวกเตอร์ผู้ใช้คงที่ซึ่งเหมือนกันสำหรับผู้สมัครทุกคน
    • กฎที่เลือกเฉพาะโฆษณาที่ได้รับความนิยมสูงสุด
    • อัลกอริธึมกราฟที่พิสูจน์ว่าโฆษณาทุกรายการมีความเกี่ยวข้อง
  6. ผู้แนะนำแบบ 'ไฮบริด' คือผู้แนะนำที่:
    • ใช้งานได้เฉพาะวันหยุดสุดสัปดาห์เท่านั้น
    • ผสมผสานวิธีการทำงานร่วมกันและเนื้อหา
    • ไม่ใช้ข้อมูลเลย
    • แนะนำเฉพาะรายการใหม่ล่าสุด
  7. ข้อจำกัดประการหนึ่งของการกรองร่วมกันสำหรับรายการใหม่โดยไม่มีการโต้ตอบคืออะไร
    • ไม่สามารถใช้การให้คะแนนได้
    • ต้องใช้คำอธิบายรายการเท่านั้น
    • อาจขาดข้อมูลการโต้ตอบที่จำเป็นในการแนะนำสินค้า
    • จะแนะนำสินค้าใหม่ทุกครั้งเสมอ
  8. การประเมินผู้แนะนำควรวัดอะไรนอกเหนือจากอัตราการคลิกผ่าน
    • นับเฉพาะพารามิเตอร์ของโมเดลเท่านั้น
    • แพ้การฝึกซ้อมเท่านั้น
    • จำนวนคำแนะนำเท่านั้น
    • ผลลัพธ์และอันตรายของผู้ใช้ เช่น ความหลากหลาย การเปิดเผย หรือการมีส่วนร่วมที่ไม่พึงประสงค์