Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

AI trong bài kiểm tra đề xuất nhà hàng và thực đơn

Đánh giá các đề xuất về thực phẩm, lọc tương tác, đánh giá văn bản, truy xuất, nhúng, tính khả dụng và giới hạn ngữ cảnh của người dùng.

Đường dẫn hướng dẫn liên quanAI trong đề xuất nhà hàng và thực đơn
Câu hỏi 1 của 8

Lọc cộng tác chủ yếu dựa vào điều gì để đưa ra đề xuất?

Xem trước mọi câu hỏi8 câu hỏi

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

  1. Lọc cộng tác chủ yếu dựa vào điều gì để đưa ra đề xuất?
    • Mẫu từ người dùng có cùng sở thích
    • Hàm lượng dinh dưỡng trong mỗi món ăn
    • Thiết kế nội thất của nhà hàng
    • Nhiệt độ nhà bếp theo thời gian thực
  2. Tại sao các mô hình NLP khai thác đánh giá lại hữu ích trong các ứng dụng thực phẩm?
    • Họ nấu thức ăn nhanh hơn
    • Họ tóm tắt cảm xúc và trích xuất các tín hiệu ở cấp độ món ăn từ văn bản
    • Chúng thay thế nhu cầu về thực đơn
    • Họ đặt giá nhà hàng
  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. Các phần nhúng được sử dụng để đề xuất menu là gì?
    • Lưu trữ mật khẩu của khách hàng
    • Mã hóa địa chỉ giao hàng
    • Đo nhiệt độ lò
    • Biểu diễn các món ăn dưới dạng vectơ để các món đồ tương tự nằm gần nhau
  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