Rehber bağlantılı sınav · Orta Seviye

Yapay Zeka Kişiselleştirme Motorları Testi

Tavsiye sistemlerinin davranışı, öğe özelliklerini, aday erişimini ve sıralamayı tek bir kullanıcıya özel bir liste oluşturmak için nasıl birleştirdiğini öğrenin.

Soru 1 arasında 8

İşbirliğine dayalı filtreleme öncelikle neye dayanır?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. İşbirliğine dayalı filtreleme öncelikle neye dayanır?
    • Birçok kullanıcıdaki modeller, ör. 'X'i sevenler Y'yi de beğendiler'
    • Her öğenin yalnızca metin açıklaması
    • Kullanıcının cihazının pil seviyesi
    • Sabit bir editoryal ilk 10 listesi
  2. Kişiselleştirmede 'soğuk başlangıç sorunu' nedir?
    • Sunucuların başlatılması çok uzun sürüyor
    • Yeni bir kullanıcı veya yeni öğe hakkında çok az veriye sahip olmak veya hiç veriye sahip olmamak
    • Yalnızca kışın çalışan öneriler
    • Kullanıcılar sık sık oturumu kapatıyor
  3. Tipik iki aşamalı bir mimaride, ilk (aday nesil) aşama ne yapar?
    • Yalnızca on öğeyi tam olarak sıralar
    • Nihai ürün açıklamalarını yazar
    • Milyonlarca öğeyi hızla birkaç yüze indirir
    • Etkin olmayan kullanıcı hesaplarını siler
  4. Why might a recommender add a diversity objective to a ranked list?
    • To guarantee every item receives equal clicks
    • To remove all user-history signals
    • To make every recommendation random
    • To avoid filling the list with near-duplicate items and broaden the alternatives shown
  5. Öneri sistemindeki 'yerleştirmeler' nedir?
    • Kullanıcıları ve öğeleri temsil eden vektörler, yakınlığın alaka düzeyini işaret etmesini sağlar
    • Sunucudaki fiziksel çipler
    • Tarayıcıda saklanan çerezler
    • E-posta konu satırları
  6. Örtülü geri bildirimler (tıklamalar, izlenme süresi) neden genellikle açık yıldız derecelendirmelerine göre daha fazla ağırlıklandırılıyor?
    • Sahte olmak daha kolaydır
    • Çok daha fazladır ve gerçek davranışı yansıtır
    • Kanunen gerekli
    • Yıldız derecelendirmeleri yasa dışıdır
  7. What does content-based filtering use to recommend items?
    • Only other users’ passwords
    • Random item order
    • Features of items a user has liked or interacted with
    • The device’s battery history
  8. What does normalized discounted cumulative gain (NDCG) evaluate?
    • The number of users who created accounts
    • The model’s training duration
    • Whether an item description is grammatically correct
    • The quality of a ranked list, giving higher weight to relevant items near the top