The ratings strategy described abov

The ratings strategy described above applies to push attacks; this strategy can
easily be adjusted for nuke attacks. For example, positive correlations but negative
prediction shifts can be achieved by assigning the target item a rating of rmin, and
ratings of rmax and rmax − 1 to the more- and less-liked selected items.
The knowledge requirement here is intermediate between the bandwagon attack
and the average attack. Like the bandwagon attack, the popular items can usually be
easily estimated from outside the system; but because there are no filler items, the
Popular Attack will need more popular items. The attacker then needs to guess at
the relative average preferences between these items in order to provide the correct
rating. It might be possible to extract such distinctions from the system itself, or if
not, to mine them from external sources; for example, by counting the number of
positive and negative reviews for particular items to find general trends.

ผลลัพธ์ (ไทย) 1:

ใช้กลยุทธ์การจัดอันดับข้างผลักดันโจมตี กลยุทธ์นี้สามารถได้ถูกปรับปรุงสำหรับโจมตีนรก ตัวอย่าง ความสัมพันธ์เป็นบวกแต่ค่าลบสามารถทำได้ โดยการกำหนดสินค้าเป้าหมายการจัดอันดับของ rmin กะคาดเดา และจัดอันดับ rmax และ− rmax 1 ต้องการเพิ่มเติม - และน้อยชอบเลือกสินค้าความรู้นี่เป็นกลางระหว่างการโจมตี bandwagon ได้และโจมตีเฉลี่ย เช่นโจมตี bandwagon ได้ สินค้ายอดนิยมมักจะได้ประเมินได้จากภายนอกระบบ แต่เนื่อง จากไม่มี filler การนิยมโจมตีจะเพิ่มเติมยอดนิยม ผู้โจมตีแล้วต้องเดาที่ตั้งค่าเฉลี่ยสัมพัทธ์ระหว่างรายการเหล่านี้เพื่อให้ถูกต้องจัดอันดับ คุณอาจจะสามารถแยกข้อแตกต่างดังกล่าวออกจากระบบเอง หรือถ้าไม่ เหมืองแร่ออกจากแหล่งภายนอก โดยการนับจำนวนตัวอย่างรีวิวจากค่าบวก และค่าลบสำหรับสินค้าเฉพาะที่แนวโน้มทั่วไป find

ผลลัพธ์ (ไทย) 2:

กลยุทธ์การจัดอันดับที่อธิบายไว้ข้างต้นที่จะผลักดันการโจมตี; กลยุทธ์นี้สามารถ
ปรับได้อย่างง่ายดายสำหรับการโจมตีอาวุธนิวเคลียร์ ตัวอย่างเช่นความสัมพันธ์ในเชิงบวกเชิงลบ แต่
การคาดการณ์การเปลี่ยนแปลงสามารถทำได้โดยการกำหนดรายการที่เป้าหมายการจัดอันดับของ Rmin และ
จัดอันดับของ Rmax และ Rmax -. 1 ถึง more- และน้อยชอบเลือกรายการ
ความต้องการความรู้ที่นี่เป็นสื่อกลางระหว่าง bandwagon การโจมตี
และการโจมตีเฉลี่ย เช่นเดียวกับการโจมตี bandwagon รายการที่เป็นที่นิยมมักจะสามารถ
ประมาณได้อย่างง่ายดายจากนอกระบบนั้น แต่เป็นเพราะมีรายการ ller ไฟไม่มี
การโจมตีที่เป็นที่นิยมจะต้องรายการที่นิยมมากขึ้น โจมตีแล้วต้องการที่จะคาดเดา
การตั้งค่าเฉลี่ยความสัมพันธ์ระหว่างรายการเหล่านี้เพื่อให้ถูกต้อง
ให้คะแนน มันอาจจะเป็นไปได้ที่จะแยกความแตกต่างดังกล่าวจากระบบเองหรือถ้า
ไม่พวกเขาจะระเบิดจากแหล่งภายนอก ตัวอย่างเช่นโดยการนับจำนวน
ความคิดเห็นในเชิงบวกและเชิงลบสำหรับรายการโดยเฉพาะ fi แนวโน้มทั่วไปครั้ง

ผลลัพธ์ (ไทย) 3:

การจัดอันดับกลยุทธ์ที่อธิบายข้างต้นสามารถกดโจมตี กลยุทธ์นี้สามารถ
ได้อย่างง่ายดายปรับการโจมตี Nuke ตัวอย่างเช่น บวกกะลบ
ทำนาย แต่สามารถทำได้โดยกำหนดรายการเป้าหมายการประเมินของ rmin และ
จำกัด และ rmax rmax − 1 ให้มากขึ้นและน้อยลง
ชอบรายการที่เลือกความรู้ความต้องการที่นี่เป็นตัวกลางระหว่าง bandwagon โจมตี
และการโจมตีธรรมดา ชอบ bandwagon โจมตี , รายการที่นิยมมักจะ
ง่ายๆโดยประมาณจากนอกระบบ แต่เพราะไม่มีสินค้าจึง ller ,
โจมตีความนิยมจะต้องรายการเป็นที่นิยมมากขึ้น คนร้ายก็ต้องเดา
เทียบกับเฉลี่ยความชอบระหว่างรายการเหล่านี้เพื่อให้การประเมินที่ถูกต้อง

มันอาจเป็นไปได้ที่จะแยกความแตกต่างจากระบบนั้นเอง หรือถ้า
ไม่ของพวกเขาจากแหล่งข้อมูลภายนอก เช่น การนับ
บวกและลบความคิดเห็นสำหรับรายการเฉพาะการถ่ายทอดแนวโน้ม nd ทั่วไป .