similar to user u, and further that

similar to user u, and further that sim(u, u1) > sim(u, u2) > sim(u, u3). The
aggregated score in this case would be R(u, di) = WAM(di) = 0.6(0.2) +
0.3(0.7) + 0.1(0.5) = 0.38 since u1 didn’t particularly like the item. If using the OWA, one interpretation of the weights suggests that user u will
like the item if one or two similar users liked it, no matter which of the
similar users it is. This gives R(u, di) = OWA(di) = 0.6(0.7) + 0.3(0.5) +
0.1(0.2) = 0.59.

ผลลัพธ์ (ไทย) 2:

คล้ายกับผู้ใช้ยูและต่อไปที่ซิม (U, u1)> ซิม (U, u2)> ซิม (U, U3)
คะแนนรวมในกรณีนี้จะเป็น R (มึงดิ) = WAM (ที่) = 0.6 (0.2) +
0.3 (0.7) + 0.1 (0.5) = 0.38 ตั้งแต่ u1 ไม่ชอบโดยเฉพาะรายการ ถ้าใช้ OWA หนึ่งการตีความของน้ำหนักที่แสดงให้เห็นว่าผู้ใช้ U จะ
ชอบรายการหากหนึ่งหรือสองคนที่คล้ายกันชอบมันไม่ว่าของ
ผู้ใช้ที่คล้ายกันก็คือ นี้จะช่วยให้ R (มึงดิ) = OWA (ที่) = 0.6 (0.7) + 0.3 (0.5) +
0.1 (0.2) = 0.59

ผลลัพธ์ (ไทย) 3:

คล้ายกับผู้ใช้ U และเพิ่มเติมว่า ซิม ( U " U1 ) > ซิม ( U , U2 ) > ซิม ( u , U3 )
รวมคะแนนในกรณีนี้จะเป็น R ( U , ดิ ) = wam ( DI ) = 0.6 ( 0.2 )
( 0.7 ) 0.1 0.3 0.5 ) = 0.38 ตั้งแต่ U1 ไม่ได้โดยเฉพาะอย่างยิ่งชอบรายการ ถ้าใช้โอว่า หนึ่งการตีความของน้ำหนักแสดงให้เห็นว่าผู้ใช้คุณจะ
ชอบสินค้าถ้าหนึ่งหรือสองผู้ใช้ที่คล้ายกันชอบ ไม่ว่ากัน
ผู้ใช้มันนี้จะช่วยให้ R ( U , ดิ ) = โอว่า ( DI ) = 0.6 ( 0.7 ) 0.1 0.3 0.5 )
( 0.2 ) = 0.59 .

คล้ายกับผู้ใช้ U และเพิ่มเติมว่า ซิม ( U " U1 ) > ซิม ( U , U2 ) > ซิม ( u , U3 )
รวมคะแนนในกรณีนี้จะเป็น R ( U , ดิ ) = wam ( DI ) = 0.6 ( 0.2 )
( 0.7 ) 0.1 0.3 0.5 ) = 0.38 ตั้งแต่ U1 ไม่ได้โดยเฉพาะอย่างยิ่งชอบรายการ ถ้าเรา -
ing โอว่า หนึ่งการตีความของน้ำหนักแสดงให้เห็นว่าผู้ใช้คุณจะ
ชอบสินค้าถ้าหนึ่งหรือสองผู้ใช้ที่คล้ายกันชอบ ไม่ว่ากัน
ผู้ใช้มัน