Pros:– well‐understood, works well

Pros:
– well‐understood, works well in some domains, no knowledge engineering required
 Cons:
– requires user community, sparsity problems, no integration of other knowledge sources,
no explanation of results
 What is the best CF method?
– In which situation and which domain? Inconsistent findings; always the same domains
and data sets; differences between methods are often very small (1/100)
 How to evaluate the prediction quality?
– MAE / RMSE: What does an MAE of 0.7 actually mean?
– Serendipity: Not yet fully understood
 What about multi‐dimensional ratings?

ผลลัพธ์ (ไทย) 1:

ดี:– well‐understood ทำงานในบางโดเมน วิศวกรรมความรู้ไม่จำเป็นข้อด้อย:-ต้องการผู้ใช้ชุมชน ปัญหา sparsity ไม่รวมแหล่งความรู้อื่น ๆไม่อธิบายผลวิธี CF สุดคืออะไร-ในสถานการณ์ใดและโดเมนใด ผลการวิจัยไม่สอดคล้องกัน โดเมนเดียวกันเสมอและ ค่า ความแตกต่างระหว่างวิธีการมักจะมีขนาดเล็กมาก (1/100)การประเมินคุณภาพการคาดเดาหรือไม่-แม่ / RMSE: อะไรเป็นแม่จริงเฉลี่ย 0.7– เซเรนดิปิตี้: ยังไม่ได้อย่างเข้าใจ multi‐dimensional จัดอันดับอะไร

ผลลัพธ์ (ไทย) 2:

จุดเด่น:
- ความเข้าใจทำงานได้ดีในบางโดเมนวิศวกรรมความรู้ไม่จำเป็นต้องใช้
ข้อเสีย:
- ต้องมีชุมชนผู้ใช้ปัญหา sparsity รวมของแหล่งความรู้อื่น ๆ ไม่มี
คำอธิบายไม่มีผล
? อะไรเป็นวิธีที่ดีที่สุด CF
- ซึ่งใน สถานการณ์และโดเมน? การค้นพบที่ไม่สอดคล้องกัน; เสมอโดเมนเดียวกัน
และชุดข้อมูล ความแตกต่างระหว่างวิธีการที่มักจะมีขนาดเล็กมาก (1/100)
วิธีการประเมินคุณภาพการทำนาย?
- แม่ / RMSE: อะไรแม่ของ 0.7 จริงหมายถึงอะไร
- Serendipity: ยังไม่เข้าใจอย่างเต็มที่
สิ่งที่เกี่ยวกับการจัดอันดับหลายมิติ?

ผลลัพธ์ (ไทย) 3:

ข้อดี :
) ดี‐เข้าใจได้ดีในบางโดเมนที่ไม่มีความรู้ทางวิศวกรรมที่ต้องการ

) ต้องข้อเสีย : ชุมชนผู้ใช้ปัญหา sparsity ไม่รวมแหล่งความรู้อื่น ๆ

ไม่มีคำอธิบายของผลสิ่งที่เป็นวิธีการโฆษณาที่ดีที่สุด
–ในสถานการณ์ซึ่งและโดเมนที่ ? ไม่พบ ; เสมอ
โดเมนเดียวกันและชุดข้อมูล ;ความแตกต่างระหว่างวิธีที่มักจะมีขนาดเล็กมาก ( 1 / 100 )
วิธีการประเมินคุณภาพทำนายเหรอ ?
( แม่ / RMSE : อะไรที่เป็นแม่ของ 0.7 มีความหมายอย่างไร ?
– Serendipity : ยังไม่เข้าใจ
แล้วหลาย‐มิติเรตติ้งเหรอ