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

Câu đố về công cụ cá nhân hóa AI

Tìm hiểu cách hệ thống đề xuất kết hợp hành vi, tính năng vật phẩm, truy xuất ứng viên và xếp hạng để điều chỉnh danh sách cho một người dùng.

Đường dẫn hướng dẫn liên quanCông cụ cá nhân hóa AI
Câu hỏi 1 của 8

Lọc cộng tác chủ yếu dựa vào điều gì?

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?
    • Các mẫu trên nhiều người dùng, ví dụ: 'những người thích X cũng thích Y'
    • Chỉ có mô tả văn bản của từng mục
    • Mức pin thiết bị của người dùng
    • Danh sách top 10 biên tập cố định
  2. 'Vấn đề khởi đầu nguội' trong việc cá nhân hóa là gì?
    • Máy chủ mất quá nhiều thời gian để khởi động
    • Có ít hoặc không có dữ liệu về người dùng mới hoặc mặt hàng mới
    • Khuyến nghị chỉ làm việc vào mùa đông
    • Người dùng đăng xuất thường xuyên
  3. Trong kiến trúc hai giai đoạn điển hình, giai đoạn đầu tiên (thế hệ ứng viên) làm gì?
    • Chỉ xếp hạng chính xác mười mục
    • Viết mô tả sản phẩm cuối cùng
    • Nhanh chóng thu hẹp hàng triệu mặt hàng xuống còn vài trăm
    • Xóa tài khoản người dùng không hoạt động
  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. 'Phần nhúng' trong hệ thống khuyến nghị là gì?
    • Các vectơ đại diện cho người dùng và vật phẩm để mức độ gần gũi báo hiệu mức độ liên quan
    • Chip vật lý trong máy chủ
    • Cookie được lưu trữ trong trình duyệt
    • Dòng chủ đề email
  6. Tại sao phản hồi ngầm (số lần nhấp chuột, thời gian xem) thường được đánh giá cao hơn so với xếp hạng theo sao rõ ràng?
    • Làm giả dễ hơn
    • Nó phong phú hơn nhiều và phản ánh hành vi thực tế
    • Nó được yêu cầu bởi pháp luật
    • Xếp hạng sao là bất hợp pháp
  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