引導式測驗 · 中等 等級

兩塔推薦模型問答

透過可擴展的檢索追蹤單獨的使用者和項目編碼器,並確定與候選召回和下游排名的權衡。

相關引導路徑兩塔推薦模型
問題 1 的 8

在標準的兩塔推薦器中,每個塔會產生什麼?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. 在標準的兩塔推薦器中,每個塔會產生什麼?
    • 查詢/使用者或候選項目的向量表示
    • 所有使用者和項目的共享標籤
    • 直接因果效應估計
    • 每個目錄項目的有序列表
  2. 為什麼可以預先計算項目嵌入?
    • 每個用戶都有相同的偏好
    • 項目塔可以獨立於目前使用者對候選進行編碼
    • 此模型沒有項目特徵
    • 項目標籤是預先知道的
  3. 哪一種操作通常會從嵌入中檢索候選者?
    • 樹狀圖切割
    • 整個目錄中每個項目的完整交叉編碼器
    • 最近鄰或最大內積搜索
    • 殘差 Q-Q 圖
  4. 為什麼候選人回憶排名前很重要?
    • 它使目錄有限
    • 高召回率保證了校準機率
    • 它取代了所有特徵預處理
    • 排名者無法選擇檢索到的集合中缺少的項目
  5. 哪些互動是獨立編碼的塔難以直接表示的?
    • 他們無法使用使用者功能
    • 他們無法在檢索時直接計算任意對特定的特徵
    • 他們要求每件物品都有標籤
    • 他們只支持一名候選人
  6. 樣本負數在訓練和評估過程中會產生什麼影響?
    • 商品目錄的發布日期
    • 僅用戶向量的維數
    • 學習到的歧視任務以及離線指標的真實性
    • 塔的數量
  7. 高點積分數可以安全地解釋為什麼?
    • 證明該商品符合條件
    • 校準的滿意機率
    • 顯示該項目的因果效應
    • 用於檢索的模型相似度評分
  8. 為什麼版本項目索引和塔預處理一起進行?
    • 不匹配的嵌入或轉換可能會使相似性比較無效
    • 否則該指數將成為監督目標
    • 它將負樣本設為零
    • 它將模型更改為單塔