Finally, as already mentioned in se

Finally, as already mentioned in section 2.3.2, Cho et al. [18] combine Decision
Trees and Association Rule Mining in a web shop RS. In their system, association rules are derived in order to link related items. The recommendation is then
computed by intersecting association rules with user preferences. They look for association rules in different transaction sets such as purchases, basket placement, and
click-through. They also use a heuristic for weighting rules coming from each of the
transaction sets. Purchase association rules, for instance, are weighted higher than
click-through association rules.

ผลลัพธ์ (ไทย) 1:

สุดท้าย ตามที่กล่าวไว้แล้วในหัวข้อ 2.3.2, Cho et al. [18] รวมตัดสินใจต้นไม้และสมาคมกฎการทำเหมืองแร่ในเว็บร้าน RS ในระบบของพวกเขา สมาคมได้รับการเชื่อมโยงรายการที่เกี่ยวข้อง ข้อแนะนำอยู่แล้วคำนวณตามกฎสมาคมอินเตอร์เซกกันกับการกำหนดลักษณะผู้ใช้ พวกเขาค้นหากฎความสัมพันธ์ชุดธุรกรรมต่าง ๆ เช่นการซื้อ ที่วางตะกร้า และคลิกผ่าน พวกเขายังใช้แบบ heuristic สำหรับน้ำหนักกฎที่มาจากแต่ละธุรกรรมชุดงาน ซื้อสมาคม เช่น มีการถ่วงน้ำหนักสูงกว่าคลิกผ่านสมาคม

ผลลัพธ์ (ไทย) 2:

สุดท้ายเป็นที่กล่าวถึงแล้วในส่วน 2.3.2, Cho และคณะ [18] รวมการตัดสินใจ
ต้นไม้และกฎสมาคมเหมืองในอาร์เอสร้านค้าเว็บ ในระบบของพวกเขากฎสมาคมจะได้มาเพื่อเชื่อมโยงรายการที่เกี่ยวข้อง คำแนะนำก็จะ
คำนวณโดยตัดกฎการเชื่อมโยงกับการตั้งค่าของผู้ใช้ พวกเขามองหากฎสมาคมในการทำธุรกรรมที่แตกต่างกันกำหนดเช่นการซื้อสินค้า, การจัดวางตะกร้าและ
การคลิกผ่าน พวกเขายังใช้แก้ปัญหากฎน้ำหนักมาจากแต่ละ
ชุดการทำธุรกรรม กฎสมาคมซื้อตัวอย่างเช่นมีน้ำหนักสูงกว่า
การคลิกผ่านกฎสมาคม

ผลลัพธ์ (ไทย) 3:

ในที่สุด ดังที่ได้กล่าวไว้ในมาตรา 2.3.2 โช et al . [ 18 ] รวมต้นไม้และกฎการตัดสินใจ
สมาคมเหมืองแร่ในเว็บร้าน อาร์เอส ในระบบของพวกเขา กฎของสมาคมจะได้มาเพื่อเชื่อมโยงข้อมูลที่เกี่ยวข้อง คำแนะนำคือแล้ว
คำนวณโดยตัดกฎสมาคม กับการตั้งค่าของผู้ใช้ พวกเขาค้นหา กฎของสมาคมในธุรกรรมต่าง ๆชุด เช่น ซื้อวางตะกร้าและ
คลิกผ่าน พวกเขายังใช้ฮิวริสติกสำหรับน้ำหนักกฎที่มาจากแต่ละชุด
รายการ กฎของสมาคมการซื้อตัวอย่าง มีน้ำหนักมากกว่า

คลิกผ่านกฎสมาคม