Rehber bağlantılı sınav · Orta Seviye

Restoranda Yapay Zeka ve Menü Önerisi Testi

Yiyecek önerilerini, etkileşim filtrelemeyi, inceleme metnini, alma, yerleştirmeleri, kullanılabilirliği ve kullanıcı bağlamı sınırlarını değerlendirin.

İlgili kılavuz yollarıRestoranda Yapay Zeka ve Menü Önerisi
Soru 1 arasında 8

İşbirliğine dayalı filtreleme, önerilerde bulunmak için öncelikle neye dayanır?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. İşbirliğine dayalı filtreleme, önerilerde bulunmak için öncelikle neye dayanır?
    • Benzer zevklere sahip kullanıcılardan gelen desenler
    • Her yemeğin besin içeriği
    • Restoranın iç tasarımı
    • Gerçek zamanlı mutfak sıcaklığı
  2. İnceleme madenciliği NLP modelleri gıda uygulamalarında neden faydalıdır?
    • Yemeği daha hızlı pişiriyorlar
    • Duyguları özetliyorlar ve metinden çanak düzeyinde sinyaller çıkarıyorlar
    • Menü ihtiyacını ortadan kaldırıyorlar
    • Restoran fiyatlarını onlar belirliyor
  3. In a proposed two-stage food recommender, what would candidate retrieval do before ranking?
    • Confirm the restaurant reservation
    • Process the customer’s payment
    • Select a candidate subset for a later scoring stage
    • Guarantee the final recommendation matches every preference
  4. Menü önerilerinde yerleştirmeler ne için kullanılır?
    • Müşteri şifrelerinin saklanması
    • Teslimat adreslerini şifreleme
    • Fırın sıcaklığının ölçülmesi
    • Benzer öğelerin birbirine yakın durması için tabakları vektörler olarak temsil etmek
  5. Why can a new diner with no recorded preferences pose a cold-start problem?
    • Interaction-based personalization has little user-history evidence to work from
    • The restaurant must change its menu
    • The model cannot represent food text
    • Opening hours become unavailable to everyone
  6. What can the MenuAI research system do with a menu image and a nutritional search key?
    • Book a table without user confirmation
    • Rank menu dishes according to a query such as calories or protein
    • Diagnose a food allergy from a photograph
    • Guarantee a dish is available today
  7. Why include restaurant availability or opening hours in recommendations?
    • It improves a model’s parameter count
    • It guarantees the restaurant is highest rated
    • A highly relevant option is not useful if it is unavailable at the requested time
    • It replaces user preferences
  8. What is one limitation of review-mining sentiment for food recommendations?
    • Sentiment scores are always objective
    • Reviews contain exact nutrition facts
    • Review mining removes popularity bias
    • A review’s language may be sparse, subjective, or unrepresentative of the current menu