22.6 ConclusionsThe purpose of this

22.6 Conclusions

The purpose of this chapter has been to present the state of the art in aggregation
functions and introduce established families of these functions that have properties useful for the purposes of recommendation. This has included means defined
with various weights, Choquet integrals defined with respect to fuzzy measures, tnorms/t-conorms which can be built from generators, and representable uninorms.
Many of the current methods used in recommender systems involve constructing
weighted arithmetic means where weights are determined by varying measures of
similarity, however in many cases the accuracy and flexibility of functions could
be improved with only slight increases to complexity. We have provided a number of illustrative examples of the different ways in which aggregation functions
can be applied to recommendation processes including ratings aggregation, feature

ผลลัพธ์ (ไทย) 1:

22.6 บทสรุปวัตถุประสงค์ของบทนี้ได้รับการ นำเสนอทันสมัยรวมหน้าที่ และแนะนำครอบครัวสร้างฟังก์ชันเหล่านี้ที่มีคุณสมบัติที่เป็นประโยชน์สำหรับวัตถุประสงค์ในการแนะนำ ซึ่งได้รวมวิธี definedด้วยน้ำหนักต่าง ๆ defined ปริพันธ์ Choquet เกี่ยวกับมาตรการเอิบ tnorms/t-conorms ซึ่งสามารถสร้างเครื่องกำเนิดไฟฟ้า และ representable uninormsวิธีปัจจุบันที่ใช้ในระบบผู้แนะนำมากมายเกี่ยวข้องกับสร้างหมายถึงเลขคณิตถ่วงน้ำหนักซึ่งกำหนดน้ำหนัก โดยมาตรการต่าง ๆ ของความคล้ายคลึงกัน อย่างไรก็ตามในหลายกรณีความถูกต้อง และสามารถ flexibility ของฟังก์ชันปรับปรุง มีเพิ่มขึ้นเพียงเล็กน้อยกับความซับซ้อน เราได้จัดเตรียมจำนวนแสดงตัวอย่างของวิธีการต่าง ๆ ในฟังก์ชันการรวมใช้กระบวนการแนะนำรวมถึงจัดอันดับรวม คุณลักษณะ

ผลลัพธ์ (ไทย) 2:

22.6 สรุปวัตถุประสงค์ของบทนี้ได้รับที่จะนำเสนอรัฐของศิลปะในการรวมฟังก์ชั่นและแนะนำครอบครัวที่จัดตั้งขึ้นของฟังก์ชั่นเหล่านี้ที่มีคุณสมบัติที่มีประโยชน์เพื่อวัตถุประสงค์ในการให้คำแนะนำ นี้ได้รวมหมายถึงนิยามที่มีน้ำหนักต่างๆ Choquet ปริพันธ์นิยามที่เกี่ยวกับมาตรการเลือน tnorms / เสื้อ conorms ซึ่งสามารถสร้างขึ้นจากเครื่องกำเนิดไฟฟ้าและ uninorms representable. หลายวิธีในปัจจุบันที่ใช้ในระบบ recommender เกี่ยวข้องกับการสร้างเลขคณิตถ่วงน้ำหนักหมายถึงการที่น้ำหนัก จะถูกกำหนดโดยมาตรการที่แตกต่างกันของความคล้ายคลึงกัน แต่ในหลายกรณีความถูกต้องและชั้นความยืดหยุ่นของการทำงานอาจจะดีขึ้นกับการเพิ่มขึ้นเพียงเล็กน้อยซับซ้อน เราได้ให้จำนวนตัวอย่างเป็นตัวอย่างของวิธีที่แตกต่างกันในการที่ฟังก์ชั่นการรวมตัวสามารถนำมาใช้กับกระบวนการเสนอแนะรวมทั้งการรวมคะแนนคุณลักษณะ

ผลลัพธ์ (ไทย) 3:

สรุป 22.6

วัตถุประสงค์ของบทนี้ได้นำเสนอสถานะของศิลปะในฟังก์ชันการรวม
แนะนำ ก่อตั้งครอบครัวของฟังก์ชันเหล่านี้ที่มีคุณสมบัติที่มีประโยชน์สำหรับวัตถุประสงค์ของการแนะนำ นี้รวมหมายถึง de จึงเน็ด
กับน้ำหนักต่าง ๆครบถ้วน เดอ จึง choquet เน็ดเกี่ยวกับมาตรการคลุมเครือ tnorms / t-conorms ซึ่งสามารถสร้างขึ้นจากเครื่องและ representable uninorms .
หลายวิธีการปัจจุบันที่ใช้ในการแนะนำระบบที่เกี่ยวข้องกับน้ำหนัก หมายถึง น้ำหนัก
เลขคณิตที่ถูกกำหนดโดยกำหนดมาตรการ
ความเหมือน อย่างไรก็ตามในหลายกรณีความถูกต้องและfl exibility ฟังก์ชันอาจ
ดีขึ้นด้วยเพียงเล็กน้อยเท่านั้น เพิ่มความซับซ้อนเราได้ให้หมายเลขของตัวอย่างที่เป็นตัวอย่างของวิธีการต่าง ๆซึ่งรวมฟังก์ชัน
สามารถนำไปแนะนำกระบวนการรวมถึงการจัดอันดับรวมคุณลักษณะ