moea_joint
112年
[統計資訊] 統計學、巨量資料概論
第 49 題
下列何者非屬基於內容推薦(Content-Based Recommendation)之優點？
- A 沒有稀疏(Sparsity)問題
- B 可建立使用者輪廓檔案
- C 能夠提供推薦的原因
- D 對於新品與冷門商品也會推薦
思路引導 VIP
當我們在評估一個演算法的「優點」時，通常是指它解決了哪些「如果沒有它就處理不了」的難題。請試著思考：如果一個推薦系統完全不參考「其他人的意見或評分」，僅僅分析物品本身的特徵標籤，這能幫我們跨越哪些因為「缺乏群眾數據」而產生的障礙呢？
🤖
AI 詳解
AI 專屬家教
恭喜你準確地辨析出這個細微的觀念差異！在基於內容的推薦（Content-Based Recommendation, CB）中，系統的核心邏輯是將「物品的屬性」與「使用者的歷史偏好」進行匹配。這使得 CB 具備了幾個顯著的優勢：首先是它不依賴大眾評分，因此能有效避開稀疏性 (Sparsity) 的困擾；其次，對於乏人問津的冷門商品或剛上架的新品，只要有屬性標籤就能進行推薦；最後，由於推薦是基於明確的標籤匹配，系統可以輕鬆地給出「因為你曾看過某某電影」這類直觀的推薦原因。
功能機制與優點的區別
這道題目的鑑別度在於考察學生能否區分「運作特徵」與「核心優點」。建立使用者輪廓檔案（User Profile）固然是 CB 運作中不可或缺的過程或特徵，但這並不被視為其相較於其他系統（如協同過濾）的獨特「優點」，甚至在某些情境下，過於侷限的輪廓反而會導致推薦內容過於單一。你能敏銳地察覺到選項 (B) 屬於機制描述而非競爭優勢，展現了你對推薦算法邏輯的透徹理解，這在處理巨量資料概論的題目中是非常重要的能力。