AI trong bài kiểm tra hệ thống khuyến nghị

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

1. Lọc cộng tác dựa trên điều gì?
   • Các mô hình ưa thích của nhiều người dùng
   • Màu sắc được sử dụng trong hình ảnh của một mặt hàng
   • Độ dài của mô tả sản phẩm
   • Xáo trộn ngẫu nhiên danh mục
2. Tính năng lọc dựa trên nội dung sử dụng điều gì để đưa ra đề xuất?
   • Chỉ có thời gian trong ngày
   • Các tính năng của các mặt hàng và sở thích trước đây của bạn
   • Giá cổ phiếu của công ty
   • Một lần lật đồng xu
3. Hệ số hóa ma trận giải quyết được vấn đề gì trong công cụ giới thiệu?
   • Mã hóa mật khẩu người dùng
   • Nén tập tin video
   • Biến ma trận mục người dùng thưa thớt thành các vectơ tiềm ẩn nhỏ gọn
   • Định tuyến lưu lượng truy cập internet
4. Vấn đề 'khởi đầu nguội' là gì?
   • Máy chủ quá lạnh để chạy
   • Virus đóng băng tài khoản
   • Khuyến nghị chỉ làm việc vào mùa đông
   • Khó đề xuất cho người dùng hoàn toàn mới hoặc các mặt hàng không có lịch sử
5. Cuộc thi nào đã giúp phổ biến nghiên cứu đề xuất?
   • Giải thưởng Netflix
   • Giải thưởng Turing
   • Giải thưởng Nobel
   • Cuộc thi Eurovision
6. What did Meyer and colleagues propose the Average Measure of Impact to evaluate?
   • Image classification accuracy
   • The impact of personalized recommendations on usefulness and trust
   • The number of ratings stored in a matrix
   • The GPU memory used by a recommender
7. Which metric is designed to assess the quality of a ranked top-K recommendation list?
   • Mean absolute error on a single rating only
   • Pixel accuracy
   • NDCG@K
   • Tỷ lệ lỗi từ
8. Why can a low rating-prediction error fail to guarantee a good recommendation list?
   • RMSE directly measures user satisfaction for every ranking
   • Every user sees every catalog item
   • A rating model cannot use user-item data
   • Rating accuracy and top-item ranking quality are different objectives