In summary, as seen above, many rec

In summary, as seen above, many recommender systems that employ traditional
content-based, knowledge-based, and hybrid techniques can be viewed as multicriteria recommender systems, since they model user preferences based on multiattribute content of items that users preferred in the past or allow users to specify their content-related preferences – i.e., search or filtering conditions for multi-
attribute content of items (e.g., identifying the preferred movie genre or providing
preferences on multiple pre-defined genre values). However, as mentioned earlier,
there is a recent trend in multi-criteria recommendation that studies innovative approaches in collaborative recommendation by engaging multi-criteria ratings. We
believe that this additional information on users’ preferences offers many opportunities for providing novel recommendation support, creating a unique multi-criteria
rating environment that has not been extensively researched. Therefore, in the following sections, we survey the state-of-the-art techniques on this particular type of
systems that use individual ratings along multiple criteria, which we will refer to as
multi-criteria rating recommenders.

ผลลัพธ์ (ไทย) 1:

ในสรุป เห็นเหนือ ระบบผู้แนะนำมากมายที่ใช้ดั้งเดิมตามเนื้อหา ความรู้ พื้นฐาน เทคนิคการผสมสามารถใช้เป็นระบบผู้แนะนำ multicriteria เนื่องจากพวกเขารูปแบบผู้ใช้กำหนดลักษณะตามเนื้อหาของรายการที่ผู้ใช้ต้องการในอดีต multiattribute หรืออนุญาตให้ผู้ใช้สามารถกำหนดลักษณะของเนื้อหาที่เกี่ยวข้อง –เช่น ค้นหาหรือ filtering เงื่อนไข multi -แสดงเนื้อหาของรายการ (เช่น ระบุประเภทภาพยนตร์ที่ต้องการ หรือให้ตั้งค่าหลายค่าประเภท pre-defined) อย่างไรก็ตาม ตามที่กล่าวไว้ก่อนหน้านี้ยังมีแนวโน้มล่าสุดในคำแนะนำหลายเงื่อนไขที่ศึกษานวัตกรรมที่ใช้ในการแนะนำร่วมกัน โดยเสน่ห์จัดอันดับหลายเงื่อนไข เราเชื่อว่า นี้ข้อมูลเพิ่มเติมเกี่ยวกับการกำหนดลักษณะผู้ใช้บริการให้การสนับสนุนแนะนำนวนิยาย สร้างเงื่อนไขหลายแบบไม่ซ้ำกันคะแนนสภาพแวดล้อมที่มีไม่ได้อย่างกว้างขวางเมือ ดังนั้น ในส่วนต่อไปนี้ เราสำรวจเทคนิคทันสมัยบนชนิดนี้โดยเฉพาะระบบที่ใช้การจัดอันดับตามเกณฑ์หลาย ซึ่งเราจะดูเป็นแต่ละrecommenders จัดอันดับหลายเงื่อนไข

ผลลัพธ์ (ไทย) 2:

สรุปเท่าที่เห็นข้างต้นระบบ recommender หลายแบบดั้งเดิมที่ใช้
เนื้อหาตามฐานความรู้และเทคนิคไฮบริดสามารถดูเป็น multicriteria ระบบ recommender เนื่องจากพวกเขาตั้งค่าการใช้รูปแบบขึ้นอยู่กับเนื้อหา multiattribute ของรายการที่ผู้ใช้ต้องการในอดีตที่ผ่านมาหรือ ช่วยให้ผู้ใช้สามารถระบุการตั้งค่าที่เกี่ยวข้องกับเนื้อหาของพวกเขา - คือการค้นหาหรือเงื่อนไข ltering ไฟสำหรับหลาย
เนื้อหาแอตทริบิวต์ของรายการ (เช่นการระบุประเภทภาพยนตร์ที่ต้องการหรือการให้
การตั้งค่าในสายก่อนเด ned ค่าหลายประเภท) อย่างไรก็ตามในขณะที่กล่าวก่อนหน้านี้
มีแนวโน้มที่ผ่านมาในข้อเสนอแนะหลายหลักเกณฑ์ที่ศึกษาวิธีการใหม่ในการทำงานร่วมกันให้คำแนะนำโดยมีส่วนร่วมการจัดอันดับตามเกณฑ์หลาย เรา
เชื่อว่าข้อมูลที่เพิ่มเติมนี้กับการตั้งค่าของผู้ใช้มีโอกาสมากมายสำหรับการให้การสนับสนุนข้อเสนอแนะนวนิยาย, การสร้างเกณฑ์ที่ไม่ซ้ำกันหลาย
สภาพแวดล้อมให้คะแนนที่ไม่ได้รับการวิจัยอย่างกว้างขวาง ดังนั้นในส่วนต่อไปนี้เราสำรวจเทคนิครัฐของศิลปะกับประเภทนี้โดยเฉพาะของ
ระบบที่ใช้การจัดอันดับของแต่ละบุคคลพร้อมหลายเกณฑ์ซึ่งเราจะเรียกว่า
หลายเกณฑ์ Recommenders คะแนน

ผลลัพธ์ (ไทย) 3:

สรุปแล้ว ที่เห็นข้างต้น หลาย แนะนำระบบการจ้างแบบดั้งเดิม
เนื้อหา , ฐานความรู้ , และเทคนิคไฮบริดสามารถถูกมองว่าเป็นระบบแนะนำแบบหลายหลักเกณฑ์ เนื่องจากพวกเขาใช้แบบจำลองการตั้งค่าขึ้นอยู่กับเนื้อหาของรายการที่ผู้ใช้ต้องการ multiattribute ในอดีต หรืออนุญาตให้ผู้ใช้เพื่อระบุเนื้อหาของพวกเขาที่เกี่ยวข้องกับการตั้งค่า ( เช่นค้นหาหรือเงื่อนไขจึง ltering multi -
ลักษณะเนื้อหาของรายการ ( เช่น ระบุที่ต้องการในประเภทภาพยนตร์หรือให้
ความชอบในหลาย Pre de จึงเน็ด ประเภทค่า ) อย่างไรก็ตาม ตามที่กล่าวถึงก่อนหน้านี้
มีแนวโน้มล่าสุดในหลายเกณฑ์แนะนำศึกษาแนวทางใหม่ในการแนะนำ โดยการร่วมกันหลายเกณฑ์การให้คะแนน เรา
เชื่อว่า ข้อมูลเพิ่มเติมเกี่ยวกับการตั้งค่าของผู้ใช้มีโอกาสมากสำหรับการให้การสนับสนุนแนะนำนวนิยาย การสร้างเอกลักษณ์ เกณฑ์การประเมินสิ่งแวดล้อม
หลายที่ไม่ได้มีการวิจัยอย่างกว้างขวาง . ดังนั้น ในส่วนต่อไปนี้ เราสำรวจเทคนิครัฐ - of - the - art นี้ประเภทเฉพาะของแต่ละบุคคล ตามการจัดอันดับ
ระบบที่ใช้เกณฑ์หลายซึ่งเราจะเรียกว่า เกณฑ์การประเมิน recommenders

หลาย .