The earliest recommenders used near

The earliest recommenders used nearest neighbor collaborative filtering algorithms (Resnick et al. 1994, Shardanand et al. 1995).Nearest neighbor algorithms are based on computing the distance between consumers based on their preference history. Predictions of how much a consumer will like a product are computed by taking the weighted average of the opinions of a set of nearest neighbors for that product. Neighbors who have expressed no opinion on the product in question are ignored. Opinions should be scaled to adjust for differences in ratings tendencies between users (Herlocker et al., 1999). Nearest neighbor algorithms have the advantage of being able to rapidly incorporate the most up to date information, but the search for neighbors is slow in large databases. Practical algorithms use heuristics to search for good neighbors and may use opportunistic sampling when faced with very large populations.

ผลลัพธ์ (ไทย) 1:

Recommenders แรกสุดที่ใช้ใกล้บ้านร่วมกรองอัลกอริทึม (Resnick et al. 1994, Shardanand et al. 1995)อัลกอริทึมเพื่อนบ้านที่ใกล้ที่สุดขึ้นอยู่กับการคำนวณระยะห่างระหว่างผู้บริโภคตามประวัติของพวกเขาชื่นชอบ คาดคะเนของผู้บริโภคเท่าใดจะต้องผลิตภัณฑ์จะคำนวณ โดยคิดเป็นค่าเฉลี่ยถ่วงน้ำหนักของความเห็นของชุดของเพื่อนบ้านที่ใกล้ที่สุดสำหรับผลิตภัณฑ์นั้น ซึ่งมีความเห็นไม่แสดงบนผลิตภัณฑ์ถูกละเว้น ความคิดเห็นควรจะปรับให้ปรับความแตกต่างในการจัดอันดับแนวโน้มระหว่างผู้ใช้ (Herlocker et al., 1999) อัลกอริทึมเพื่อนบ้านที่ใกล้ที่สุดได้ประโยชน์ของความสามารถในการรวบรวมข้อมูลสุดอย่างรวดเร็ว แต่หาบ้านนี้ในฐานข้อมูลขนาดใหญ่ อัลกอริทึมที่ปฏิบัติการลองผิดลองถูกค้นหาบ้านที่ดี และอาจใช้การสุ่มตัวอย่างที่ยกเมื่อประสบกับประชากรมาก

ผลลัพธ์ (ไทย) 2:

Recommenders ที่เก่าแก่ที่สุดที่ใช้อัลกอริทึมที่อยู่ใกล้ที่สุดกรองความร่วมมือเพื่อนบ้าน (เรสนิค et al. 1994 Shardanand et al. 1995) .Nearest อัลกอริทึมเพื่อนบ้านจะขึ้นอยู่กับการคำนวณระยะห่างระหว่างผู้บริโภคขึ้นอยู่กับประวัติต้องการของพวกเขา การคาดการณ์ของเท่าใดผู้บริโภคจะชอบสินค้าจะคำนวณโดยการถัวเฉลี่ยถ่วงน้ำหนักของความคิดเห็นของชุดของเพื่อนบ้านที่ใกล้ที่สุดสำหรับผลิตภัณฑ์นั้น เพื่อนบ้านที่ได้แสดงความเห็นใด ๆ กับผลิตภัณฑ์ในคำถามจะถูกละเลย ความเห็นควรได้รับการปรับให้ปรับความแตกต่างในการจัดอันดับแนวโน้มระหว่างผู้ใช้ (Herlocker et al., 1999) อัลกอริทึมที่ใกล้ที่สุดเพื่อนบ้านได้ประโยชน์จากความสามารถในการอย่างรวดเร็วรวมมากที่สุดถึงวันที่ข้อมูล แต่การค้นหาสำหรับเพื่อนบ้านช้าในฐานข้อมูลขนาดใหญ่ ขั้นตอนวิธีการปฏิบัติใช้วิเคราะห์พฤติกรรมการค้นหาสำหรับเพื่อนบ้านที่ดีและอาจจะใช้การสุ่มตัวอย่างฉวยโอกาสเมื่อต้องเผชิญกับประชากรที่มีขนาดใหญ่มาก

ผลลัพธ์ (ไทย) 3:

เร็ว recommenders ใช้ขั้นตอนวิธีการกรองแบบเพื่อนบ้านที่ใกล้ที่สุด ( เรสนิค et al . 1994 shardanand et al . 1995 ) เพื่อนบ้านที่ใกล้ที่สุดขั้นตอนวิธีจะขึ้นอยู่กับการคำนวณระยะทางระหว่างผู้บริโภคตามประวัติความชอบของพวกเขาคาดคะเนเท่าใดผู้บริโภคจะชอบสินค้าจะคำนวณโดยการใช้ค่าเฉลี่ยถ่วงน้ำหนักของความคิดเห็นของชุดของเพื่อนบ้านที่ใกล้ที่สุดสำหรับผลิตภัณฑ์ที่ เพื่อนบ้านที่ได้แสดงความเห็นเกี่ยวกับสินค้าไม่มีในคำถามจะถูกละเว้น ความคิดเห็นที่ควรจะปรับเพื่อปรับสำหรับความแตกต่างในการจัดอันดับแนวโน้มระหว่างผู้ใช้ ( herlocker et al . , 1999 )เพื่อนบ้านที่ใกล้ที่สุดขั้นตอนวิธีมีความได้เปรียบของการเป็นสามารถอย่างรวดเร็วรวมมากที่สุดถึงวันที่ข้อมูล แต่การค้นหาเพื่อนบ้านจะช้าในฐานข้อมูลขนาดใหญ่ ขั้นตอนวิธีปฏิบัติใช้ฮิวริสติกเพื่อค้นหาเพื่อนบ้านที่ดี และอาจจะใช้สำหรับการสุ่มตัวอย่างเมื่อเผชิญกับประชากรมีขนาดใหญ่มาก