Vamos analisar cada afirmação: 1) A fatoração matricial é uma forma de trabalhar a matriz de proximidades para poder organizar alfabeticamente os usuários. Esta afirmação está incorreta, pois a fatoração matricial é uma técnica usada em sistemas de recomendação para decompor uma matriz de interações usuário-item em duas matrizes de menor dimensionalidade. Portanto, é falsa. 2) Deep learning pode ser utilizado em sistemas de recomendação para criar redes neurais relacionando usuários e objetos. Essa afirmação está correta. Deep learning pode ser aplicado em sistemas de recomendação para aprender representações complexas de usuários e itens, ajudando a melhorar a precisão das recomendações. Portanto, é verdadeira. 3) A principal diferença entre métodos baseados em filtragem colaborativa e métodos baseados em conteúdo é que o primeiro estuda a interação entre usuários e objetos, ao passo que o segundo analisa as suas características. Essa afirmação está correta. Métodos de filtragem colaborativa se baseiam nas interações passadas entre usuários e itens para fazer recomendações, enquanto métodos baseados em conteúdo analisam as características dos itens e preferências dos usuários. Portanto, é verdadeira. 4) O método nearest-neighbor, quando aplicado a sistemas de recomendação baseados em filtragem colaborativa, consegue criar matrizes relacionando usuário-usuário, mas não é capaz de gerar matrizes usuário-item. Essa afirmação está incorreta. O método nearest-neighbor pode ser usado tanto para recomendações baseadas em usuário-usuário quanto em item-item. Portanto, é falsa. Com base nessa análise, a sequência correta é F - V - V - F.
Para escrever sua resposta aqui, entre ou crie uma conta
Compartilhar