Вікторина, пов’язана з посібником · Середній Рівень

Тест щодо систем рекомендацій AI

Перегляньте методи рекомендацій, спільну роботу та фільтрацію вмісту, матричну факторізацію, гібридні системи та ризики залучення.

Пов'язані напрямні шляхиСистеми рекомендацій ШІ
Питання 1 з 8

На чому спирається «спільна фільтрація» для надання рекомендацій?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. На чому спирається «спільна фільтрація» для надання рекомендацій?
    • Шаблони для багатьох користувачів зі схожими смаками
    • Лише текстовий опис кожного товару
    • Ціна товару
    • Фіксований редакційний список топ-10
  2. Фільтрація на основі вмісту рекомендує елементи в основному за:
    • Випадкова вибірка з каталогу
    • Зіставлення характеристик предмета з вашими попередніми уподобаннями
    • Підрахунок загального обсягу продажів у всьому світі
    • Прохання інших користувачів проголосувати
  3. What did the Netflix Prize seek to improve by 10% over the Cinematch baseline?
    • Click-through rate for every recommended film
    • The number of films watched per user
    • Root mean squared error (RMSE) on the competition’s held-out ratings
    • A user’s average watch time on the service
  4. У матричній факторизації користувачі та елементи представлені як:
    • Одинарні прапорці так/ні
    • Відгуки звичайним текстом
    • Календарні дати
    • Вектори прихованих «латентних факторів»
  5. What mechanism did the Deep Interest Network paper propose for modeling a user’s different interests across candidate ads?
    • A local activation unit that forms a candidate-specific interest representation
    • A fixed user vector that is identical for every candidate
    • A rule that selects only the most popular ad
    • A graph algorithm that proves every ad is relevant
  6. «Гібридний» рекомендує той, який:
    • Працює лише у вихідні
    • Поєднує в собі методи співпраці та контенту
    • Взагалі не використовує дані
    • Рекомендую тільки найновіші речі
  7. What is one limitation of collaborative filtering for a new item with no interactions?
    • It cannot use ratings
    • It requires item descriptions only
    • It may lack the interaction data needed to recommend the item
    • It always recommends every new item
  8. What should a recommender evaluation measure besides click-through rate?
    • Враховуються лише параметри моделі
    • Only training loss
    • Only the number of recommendations
    • User outcomes and harms such as diversity, exposure, or unwanted engagement