2026年人工智能推荐系统基础考试题库及解析.docx

2026年人工智能推荐系统基础考试题库及解析

一、单项选择题（每题2分，共20分）

1.在协同过滤推荐系统中，用户-物品评分矩阵极度稀疏时，下列哪种技术最常用来缓解数据稀疏性？

A.基于内容的过滤

B.矩阵分解加正则化

C.关联规则挖掘

D.知识图谱嵌入

答案：B

解析：矩阵分解通过将高维稀疏矩阵拆成低维稠密隐向量，正则化可防止过拟合，显著缓解稀疏性。

2.若采用隐语义模型（LFM）做评分预测，目标函数中加入偏置项、的主要目的是：

A.降低模型方差

B.捕捉用户与物品的固有热度差异

C.加速随机梯度下降收敛

D.增强可解释性

答案：B

解析：偏置项显式建模“某用户是否普遍高