Вікторина, пов’язана з посібником · Середній Рівень

Тест про механізми персоналізації ШІ

Дізнайтеся, як системи рекомендацій поєднують поведінку, функції предметів, пошук кандидатів і рейтинг, щоб адаптувати список для одного користувача.

Пов'язані напрямні шляхиДвигуни персоналізації ШІ
Питання 1 з 8

На чому в основному ґрунтується спільна фільтрація?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. На чому в основному ґрунтується спільна фільтрація?
    • Шаблони для багатьох користувачів, напр. "Людям, яким сподобався X, також сподобався Y"
    • Тільки текстовий опис кожного товару
    • Рівень заряду батареї пристрою користувача
    • Фіксований редакційний список топ-10
  2. Що таке «проблема холодного запуску» в персоналізації?
    • Сервери завантажуються надто довго
    • Мало або зовсім немає даних про нового користувача чи новий елемент
    • Рекомендації, робота тільки взимку
    • Користувачі часто виходять із системи
  3. У типовій двоетапній архітектурі, що робить перший етап (генерація кандидатів)?
    • Точно ранжує лише десять предметів
    • Пише остаточний опис продукту
    • Швидко звужує мільйони елементів до кількох сотень
    • Видаляє неактивні облікові записи користувачів
  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. Що таке «вбудовування» в систему рекомендацій?
    • Вектори, що представляють користувачів і елементи, тому близькість сигналізує про релевантність
    • Фізичні чіпи в сервері
    • Файли cookie, що зберігаються в браузері
    • Тема листа
  6. Чому приховані відгуки (кліки, час перегляду) часто переважають над явними оцінками?
    • Легше підробити
    • Він набагато рясніший і відображає реальну поведінку
    • Це вимагається законом
    • Рейтинги зірками є незаконними
  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