Empfehlungssysteme im Maschinellen Lernen: Grundlagen und Anwendungen

Question 1

Nennen Sie einen Vorteil der kollaborativen Filterung.

Accepted Answer

Berücksichtigt individuelle Vorlieben

Answer

Ermöglicht einfache Implementierung

Answer

Ist nicht anfällig für Sparse-Probleme

Answer

Kann neue Elemente problemlos empfehlen

Question 2

In welchen Branchen finden hybride Empfehlungssysteme häufig Anwendung?

Accepted Answer

Alle genannten Branchen

Answer

E-Commerce

Answer

Streaming-Dienste

Answer

Finanzdienstleistungen

Question 3

Welche Methode wird zur Messung der Ähnlichkeit zwischen Elementen in einem kollaborativen Filtersystem eingesetzt?

Accepted Answer

Cosinus-Ähnlichkeit

Answer

Jaccard-Ähnlichkeit

Answer

Euklidische Distanz

Answer

Manhattan-Distanz

Question 4

Nennen Sie einen Nachteil von inhaltsbasierten Empfehlungssystemen.

Accepted Answer

Empfiehlt ausschließlich Elemente mit ähnlichen Merkmalen

Answer

Ist resistent gegenüber Überanpassung

Answer

Erfordert keine umfassende Datenbereinigung

Answer

Kann problemlos neue Elemente empfehlen

Question 5

Wie wird die Nachbarschaft in einem k-Nearest-Neighbors-Ansatz definiert?

Accepted Answer

Durch eine festgelegte Anzahl von Nachbarn

Answer

Durch einen vorgegebenen Ähnlichkeitsschwellenwert

Answer

Durch eine Kombination aus Schwellenwert und Anzahl der Nachbarn

Answer

Durch einen iterativen Prozess

Question 6

Wie wird die Relevanz eines empfohlenen Artikels in einem inhaltsbasierten Empfehlungssystem bestimmt?

Accepted Answer

Durch eine Kombination all dieser Faktoren

Answer

Durch die Ähnlichkeit zu den vom Benutzer favorisierten Artikeln

Answer

Durch die Popularität des Artikels bei anderen Benutzern

Answer

Durch die Neuheit des Artikels

Question 7

Wie funktioniert ein inhaltsbasiertes Empfehlungssystem in einem Online-Buchladen?

Accepted Answer

Es empfiehlt Bücher mit ähnlichen Schlüsselwörtern oder Themen wie bereits gelesene Bücher.

Answer

Es empfiehlt Bücher, die zuvor von Kunden mit ähnlichen demografischen Merkmalen gekauft wurden.

Answer

Es empfiehlt zufällige Bücher aus dem Katalog des Buchladens.

Question 8

Welche Grundidee liegt kollaborativen Filterungsempfehlungssystemen zugrunde?

Accepted Answer

Nutzer mit ähnlichen Vorlieben neigen dazu, ähnliche Artikel zu mögen

Answer

Demografische Daten sind der beste Prädiktor für Benutzerpräferenzen

Answer

Benutzerpräferenzen können explizit abgefragt werden

Answer

Artikel mit ähnlichen Merkmalen werden von ähnlichen Nutzern gemocht

Question 9

Welcher Algorithmus wird in inhaltsbasierten Filterungsempfehlungssystemen typischerweise eingesetzt, um die Ähnlichkeit zwischen Artikeln zu berechnen?

Accepted Answer

Cosine-Ähnlichkeit

Answer

Matrix Factorization

Answer

K-Means

Answer

Apriori

Question 10

Welches sind entscheidende Vorteile von hybriden Empfehlungssystemen im Vergleich zu reinen kollaborativen oder inhaltsbasierten Ansätzen?

Accepted Answer

Sie kombinieren die Stärken beider Ansätze und reduzieren deren Schwächen

Answer

Sie sind einfacher zu implementieren

Answer

Sie sind kostengünstiger

Answer

Sie sind weniger rechenintensiv

Question 11

In welcher Branche finden Empfehlungssysteme breiten Einsatz bei der Personalisierung von Benutzererfahrungen?

Accepted Answer

E-Commerce

Answer

Gesundheitswesen

Answer

Fertigung

Answer

Bildung

Question 12

Welcher Parameter steuert die Anzahl der empfohlenen Artikel in einem Empfehlungssystem?

Accepted Answer

Top-N

Answer

Gamma

Answer

Alpha

Answer

Epsilon

Question 13

Welche Herausforderung ist ein häufiges Problem bei inhaltsbasierten Filterungsempfehlungssystemen?

Accepted Answer

Synonyme und Polysemie

Answer

Überanpassung

Answer

Datensparsität

Answer

Kalte Starts

Question 14

Welche der folgenden ist ein wesentlicher Vorteil des Einsatzes kollaborativer Filterung in Empfehlungssystemen?

Accepted Answer

Nutzung expliziter und impliziter Benutzerbewertungen

Answer

Überflüssigkeit von Domänenexpertise

Answer

Geringe Empfindlichkeit gegenüber kalten Starts

Question 15

Was zeichnet hybride Empfehlungssysteme aus?

Accepted Answer

Kombination aus kollaborativer Filterung und inhaltsbasierter Filterung

Answer

Überlegenheit gegenüber allen anderen Ansätzen

Answer

Eignung nur für bestimmte Domänen

Question 16

In welcher Branche haben Empfehlungssysteme eine besonders hohe Relevanz?

Accepted Answer

E-Commerce

Answer

Finanzanalyse

Answer

Maschinensteuerung

Answer

Medizinische Diagnose

Question 17

Welche Herausforderung tritt bei der Echtzeit-Implementierung von Empfehlungssystemen auf?

Accepted Answer

Skalierbarkeitsprobleme

Answer

Modellauswahl

Answer

Datenerfassungsprobleme

Question 18

Welche Strategie kann das Problem des kalten Starts in Empfehlungssystemen adressieren?

Accepted Answer

Data Augmentation

Answer

Regularisierung

Answer

Cross-Validation

Answer

Gradientenabstieg

Question 19

Welcher Algorithmus wird häufig in kollaborativen Filterungssystemen eingesetzt?

Accepted Answer

Singuläre Wertzerlegung (SVD)

Answer

K-Means-Clustering

Answer

Bayes-Klassifikator

Question 20

Welche Technik dient der Diversifizierung von Empfehlungen?

Accepted Answer

Kandidatenabtastung

Answer

Gewichtete Mittelbildung

Answer

Bagging

Answer

Dropout

Question 21

Welche Methode der kollaborativen Filterung basiert auf der Ähnlichkeit zwischen Benutzern?

Accepted Answer

Benutzerbasierte Filterung

Answer

Hybride Filterung

Answer

Inhaltsbasierte Filterung

Answer

Wissensbasierte Filterung

Question 22

Welche Metrik dient zur Messung der Ähnlichkeit zwischen Benutzern bei der benutzerbasierten Filterung?

Accepted Answer

Kosinus-Ähnlichkeit

Answer

Jaccard-Ähnlichkeit

Answer

Euklidische Distanz

Answer

Manhattan-Distanz

Question 23

Welche Art von Empfehlungssystem stützt sich auf die Attribute von Benutzern und Artikeln?

Accepted Answer

Inhaltsbasierte Filterung

Answer

Wissensbasierte Filterung

Answer

Hybride Filterung

Answer

Kollaborative Filterung

Question 24

Welcher Ansatz verbindet kollaborative und inhaltsbasierte Filterung?

Accepted Answer

Hybride Filterung

Answer

Kollaborative Filterung

Answer

Wissensbasierte Filterung

Answer

Inhaltsbasierte Filterung

Question 25

Welche Technik verbessert die Adaptierbarkeit eines Empfehlungssystems an neue Daten?

Accepted Answer

Online-Lernen

Answer

Überanpassung

Answer

Reguläre Ausdrücke

Answer

Batch-Lernen

Question 26

Welche Herausforderung tritt bei der Vergrößerung des Maßstabs von Empfehlungssystemen auf?

Accepted Answer

Hohe Rechenkosten

Answer

Ethische Überlegungen

Answer

Datensparsamkeit

Answer

Filterblasen

Question 27

Welcher der folgenden Ansätze gehört **nicht** zu den weit verbreiteten Ansätzen für Empfehlungssysteme?

Accepted Answer

Regressionsanalyse

Answer

Inhaltsbasierte Filterung

Answer

Hybride Ansätze

Answer

Kollaborative Filterung

Question 28

Was ist das primäre Ziel eines kollaborativen Filterungssystems?

Accepted Answer

Vorhersage von Nutzerpräferenzen anhand des Verhaltens ähnlicher Nutzer

Answer

Identifizierung allgemeiner Trends und Muster

Answer

Erstellung von Empfehlungen, die auf individuellen Merkmalen basieren

Question 29

Welches Ähnlichkeitsmaß wird in inhaltsbasierten Empfehlungssystemen oft verwendet?

Accepted Answer

Kosinus- Ähnlichkeit

Answer

Pearson-Korrelation

Answer

Jaccard-Koeffizient

Answer

Euklidischer Abstand

Question 30

Nennen Sie eine praktische Anwendung von Empfehlungssystemen.

Accepted Answer

Personalisierte Produktempfehlungen

Answer

Wettervorhersage

Answer

Medizinische Diagnosen

Answer

Betrugserkennung

Question 31

Welche Rolle spielt die Matrixfaktorisierung in Empfehlungssystemen?

Accepted Answer

Reduzierung der Dimensionalität und Extraktion latenter Faktoren

Answer

Clustering von Nutzern und Elementen

Answer

Vorhersage von Nutzerbewertungen

Question 32

Welcher Filterungstyp basiert auf der Ähnlichkeit von Nutzern oder Elementen?

Accepted Answer

Kollaborative Filterung

Answer

Personalisierte Filterung

Answer

Inhaltsbasierte Filterung

Question 33

Welche Technik wird in inhaltsbasierten Empfehlungssystemen verwendet?

Accepted Answer

Merkmalsextraktion

Answer

Dimensionale Reduktion

Answer

Matrizenfaktorisierung

Answer

Clusterbildung

Question 34

Welcher Vorteil ist mit hybriden Empfehlungssystemen verbunden?

Accepted Answer

Verbesserte Genauigkeit und Personalisierung

Answer

Bessere Skalierbarkeit

Answer

Erhöhte Interpretierbarkeit

Answer

Geringere Implementierungskosten

Question 35

Welcher Algorithmus ist bei der Matrixfaktorisierung für Empfehlungssysteme weit verbreitet?

Accepted Answer

Singulärwertzerlegung (SVD)

Answer

Support Vector Machines

Answer

K-Means-Clustering

Answer

Naive Bayes

Question 36

Was ist das Hauptziel eines kontextbasierten Empfehlungssystems?

Accepted Answer

Personalisierung von Empfehlungen basierend auf Kontextinformationen

Answer

Erhöhung der Genauigkeit von Vorhersagen

Answer

Reduzierung der Rechenkosten

Question 37

Welche Technik wird verwendet, um die Relevanz von Elementen für einen Benutzer in einem Empfehlungssystem zu bewerten?

Accepted Answer

Cosinus-Ähnlichkeit

Answer

Jaccard-Index

Answer

Euklidische Distanz

Answer

Levenshtein-Distanz

Question 38

Welche der folgenden Aussagen trifft auf kollaborative Filterung zu?

Accepted Answer

Sie nutzt das Verhalten von Nutzern, um Empfehlungen abzugeben.

Answer

Sie erfordert ein großes, explizites Bewertungsdataset.

Answer

Sie basiert auf den Ähnlichkeiten zwischen Elementen.

Question 39

Welche der folgenden Methoden gehört zur inhaltsbasierten Filterung?

Accepted Answer

Kosinus-Ähnlichkeit

Answer

Rangbasierte Sortierung

Answer

Clustering

Answer

Skalierung multidimensionaler Daten

Question 40

Was ist ein Vorteil von Matrixfaktorisierung bei der kollaborativen Filterung?

Accepted Answer

Sie kann versteckte Faktoren identifizieren, die die Nutzerpräferenzen beeinflussen.

Answer

Sie ermöglicht eine einfache Implementierung.

Answer

Sie reduziert die Datensparsamkeit.

Question 41

Welche der folgenden Metriken wird zur Bewertung der Leistung von Empfehlungssystemen verwendet?

Accepted Answer

Präzision

Answer

Kohärenz

Answer

Konsistenz

Answer

Cluster-Tendenz

Question 42

Welche der folgenden Aussagen über Deep Learning in Empfehlungssystemen ist korrekt?

Accepted Answer

Es kann komplexe Beziehungen zwischen Nutzern und Elementen modellieren.

Answer

Es erfordert immer große, explizite Bewertungsdatasets.

Answer

Es kann nicht für Echtzeit-Empfehlungen verwendet werden.

Question 43

Welche der folgenden Anwendungen nutzt typischerweise kontextbewusste Empfehlungssysteme?

Accepted Answer

Mobile Shopping-Apps

Answer

Empfehlungssysteme für Bücher

Answer

Empfehlungssysteme für Nachrichten

Answer

Empfehlungssysteme für Filme

Question 44

Welche der folgenden Methoden wird in einem kollaborativen Filtersystem verwendet, um Empfehlungen zu generieren?

Accepted Answer

Vergleich von Benutzerpräferenzen

Answer

Analyse von Produktdaten

Answer

Bewertung von Benutzerprofilen

Answer

Vorhersage von Benutzerverhalten

Question 45

Welche Aussage über inhaltsbasierte Filtersysteme ist FALSCH?

Accepted Answer

Sie benötigen Daten über andere Benutzer, um Empfehlungen zu generieren.

Answer

Sie basieren auf den Interessen eines bestimmten Benutzers.

Answer

Sie analysieren die Eigenschaften von Produkten oder Inhalten.

Question 46

Welches der folgenden Szenarien eignet sich am besten für die Verwendung eines hybriden Empfehlungssystems?

Accepted Answer

Ein E-Commerce-Shop, der sowohl neue als auch etablierte Produkte verkaufen möchte.

Answer

Ein Nachrichtenportal, das nur auf den Interessen der Leser basiert.

Answer

Eine Streaming-Plattform, die nur auf den Vorlieben von Nutzern basiert.

Question 47

Was ist der Hauptvorteil der Verwendung eines kollaborativen Filtersystems gegenüber einem inhaltsbasierten Filtersystem?

Accepted Answer

Die Fähigkeit, neue Produkte zu empfehlen, selbst wenn diese keine Ähnlichkeiten zu den vorherigen Vorlieben des Benutzers aufweisen.

Answer

Die Fähigkeit, detaillierte Benutzerprofile zu erstellen.

Question 48

Welche Metrik wird üblicherweise verwendet, um die Genauigkeit von Empfehlungssystemen zu bewerten?

Accepted Answer

Precision@k

Answer

Genauigkeit

Answer

Genauigkeit

Answer

Recall

Question 49

Welches der folgenden Probleme kann bei der Verwendung von kollaborativen Filtersystemen auftreten?

Accepted Answer

Das Problem des Kaltstarts

Answer

Überanpassung an Benutzerpräferenzen

Answer

Ethische Implikationen

Answer

Unzureichende Datenqualität

Question 50

Wie können Empfehlungssysteme dazu beitragen, die Kundenzufriedenheit in einem Online-Shop zu verbessern?

Accepted Answer

Durch die Bereitstellung relevanter Produktempfehlungen, die den Bedürfnissen der Kunden entsprechen.

Answer

Durch die Verhinderung von Betrug.

Question 51

Welche der folgenden Branchen nutzt Empfehlungssysteme AM WEITESTEN?

Accepted Answer

E-Commerce

Answer

Bildung

Answer

Gesundheitswesen

Answer

Finanzdienstleistungen

Question 52

Welche der folgenden Aussagen beschreibt am besten das Ziel eines Empfehlungssystems?

Accepted Answer

Individuelle Empfehlungen basierend auf den Präferenzen des Benutzers zu generieren, um die Kundenzufriedenheit zu verbessern.

Answer

Die Vorlieben aller Benutzer zu analysieren.

Question 53

Welches der folgenden Beispiele ist KEIN Beispiel für ein Empfehlungssystem?

Accepted Answer

Eine Liste der meistverkauften Bücher in einer Buchhandlung

Answer

Empfehlungen für Musik auf einer Streaming-Plattform

Answer

Produktvorschläge in einem Online-Shop

Question 54

Welche der folgenden Methoden ist KEIN Beispiel für kollaborative Filterung?

Accepted Answer

Inhaltsbasierte Filterung

Answer

Hybrid-Filterung

Answer

Item-basierte Filterung

Answer

Benutzerbasierte Filterung

Question 55

Welche Aussage über inhaltsbasierte Filterung ist FALSCH?

Accepted Answer

Sie basiert auf dem Vergleich von Benutzerprofilen, um Empfehlungen zu generieren.

Answer

Sie verwendet Merkmale von Produkten oder Inhalten, um Ähnlichkeiten zu finden.

Answer

Sie kann für neue Benutzer verwendet werden, die noch kein Rating abgegeben haben.

Question 56

Ein Hybrid-Empfehlungssystem kombiniert:

Accepted Answer

Kollaborative und inhaltsbasierte Filterung

Answer

Künstliche Intelligenz und Expertenwissen

Answer

Machine Learning und Deep Learning

Answer

Individuelle und personalisierte Empfehlungen

Question 57

Welche Metrik wird verwendet, um die Genauigkeit von Empfehlungssystemen zu messen?

Accepted Answer

Precision und Recall

Answer

Klassifikationsgenauigkeit und F1-Score

Answer

Genauigkeit und Vollständigkeit

Answer

Korrelation und Regression

Question 58

Welches Problem kann durch den "Cold Start"-Effekt in Empfehlungssystemen auftreten?

Accepted Answer

Neue Benutzer erhalten keine relevanten Empfehlungen.

Answer

Das System wird zu langsam und ineffizient.

Answer

Bestehende Benutzer erhalten zu viele irrelevante Empfehlungen.

Question 59

Welche der folgenden ist eine häufige Anwendung von Empfehlungssystemen im E-Commerce?

Accepted Answer

Produktvorschläge basierend auf dem Kaufverhalten

Answer

Vorhersage von Aktienkursen

Answer

Identifizierung von Spam-Nachrichten

Question 60

Was versteht man unter "Overfitting" im Kontext von Empfehlungssystemen?

Accepted Answer

Das System lernt die Trainingsdaten zu gut und kann nicht auf neue Daten verallgemeinern.

Answer

Das System berücksichtigt nicht alle verfügbaren Daten.

Answer

Das System liefert zu viele irrelevante Empfehlungen.

Question 61

Welches Konzept versucht die "Diversity" von Empfehlungen zu erhöhen?

Accepted Answer

Die Empfehlungen sollen vielfältig und nicht nur auf die beliebtesten Produkte fokussiert sein.

Answer

Die Empfehlungen sollen möglichst persönlich und individuell angepasst sein.

Answer

Die Empfehlungen sollen möglichst schnell und effizient generiert werden.

Question 62

Welche der folgenden ist KEIN ethisches Problem im Zusammenhang mit Empfehlungssystemen?

Accepted Answer

Fehlerhafte Übersetzungen von Texten

Answer

Diskriminierung und Benachteiligung bestimmter Nutzergruppen

Answer

Manipulation von Nutzerverhalten und Entscheidungsfindung

Answer

Filterblasen und die Beschränkung der Informationsvielfalt

Question 63

Wie kann man die "Explainability" von Empfehlungssystemen verbessern?

Accepted Answer

Indem man die Gründe für die Empfehlungen transparent und nachvollziehbar darstellt.

Answer

Indem man die Geschwindigkeit der Empfehlungserzeugung verbessert.

Answer

Indem man die Anzahl der Empfehlungen erhöht.