that meet users’ requirements [9].

that meet users’ requirements [9]. The bottleneck of this knowledge-based approach
is that it needs to acquire a knowledge base beforehand, but the obtained knowledge
base helps to avoid cold start or data sparsity problems that pure content-based or
collaborative filtering systems encounter by relying on solely the ratings obtained
by users. Hybrid approaches combine content-based, collaborative filtering, and
knowledge-based techniques in many different ways [10]. Upon more in-depth analysis of the representative MCDM recommender systems surveyed in the previous
section, we discover that the multi-criteria nature of the majority of these systems
can be classified in the following three general categories:

ผลลัพธ์ (ไทย) 1:

ที่ตอบสนองความต้องการของผู้ใช้ [9] รองของความรู้วิธีการนี้คือ ว่า มันต้องได้รับความรู้มาก่อน แต่ความรู้ได้รับฐานช่วยให้หลีกเลี่ยงน้ำเย็นเริ่มต้นหรือข้อมูล sparsity ปัญหาที่บริสุทธิ์ตามเนื้อหา หรือพบระบบ filtering ทำงานร่วมกัน โดยอาศัยเพียงอันดับที่ได้รับโดยผู้ใช้ วิธีผสมรวม filtering ตามเนื้อหา ร่วมกัน และเทคนิคที่ใช้ความรู้ในลักษณะต่าง ๆ มากมาย [10] เมื่อวิเคราะห์ในเชิงลึกเพิ่มเติมระบบตัวแทนของผู้แนะนำ MCDM สำรวจในก่อนหน้าส่วน เราพบว่าเงื่อนไขหลายลักษณะส่วนใหญ่ของระบบเหล่านี้สามารถ classified ในประเภททั่วไปสามต่อไปนี้:

ผลลัพธ์ (ไทย) 2:

ที่ตอบสนองความต้องการของผู้ใช้ [9] คอขวดของวิธีการความรู้ตามนี้
ก็คือว่ามันต้องการที่จะได้รับความรู้พื้นฐานก่อน แต่ความรู้ที่ได้รับ
ฐานช่วยให้หลีกเลี่ยงเริ่มเย็นหรือข้อมูลปัญหา sparsity ว่าเนื้อหาตามบริสุทธิ์หรือ
ระบบ ltering สายการทำงานร่วมกันพบโดยอาศัยเพียงการจัดอันดับที่ได้รับ
โดยผู้ใช้ วิธีไฮบริดรวมเนื้อหาตาม ltering สายการทำงานร่วมกันและ
ฐานความรู้เทคนิคในรูปแบบที่แตกต่างกัน [10] เมื่อวิเคราะห์เพิ่มเติมในเชิงลึกของ MCDM ระบบ recommender ตัวแทนในการสำรวจก่อนหน้านี้
ส่วนเราพบว่าหลายเกณฑ์ธรรมชาติของคนส่วนใหญ่ของระบบเหล่านี้
สามารถจัดประเภทในสามประเภทต่อไปโดยทั่วไป:

ผลลัพธ์ (ไทย) 3:

ที่ตอบสนองความต้องการของผู้ใช้ [ 9 ] คอขวดนี้ฐานความรู้
คือความต้องการที่จะได้รับความรู้พื้นฐานก่อน แต่ได้รับความรู้
ฐานช่วยให้หลีกเลี่ยงเริ่มเย็นหรือข้อมูลปัญหา sparsity ที่บริสุทธิ์เนื้อหาหรือ
จึงร่วมกัน ltering ระบบพบได้โดยอาศัยเพียงการจัดอันดับได้
โดยผู้ใช้ รวมเนื้อหาแนวลูกผสม ,ร่วมกัน จึง ltering
ฐานความรู้และเทคนิคในหลายวิธีที่แตกต่างกัน [ 10 ] เมื่อวิเคราะห์เชิงลึกเพิ่มเติมของตัวแทนแนะนำระบบสำรวจขนาดจิ๋วในส่วนก่อนหน้า
, เราพบว่าหลายเกณฑ์ธรรมชาติของคนส่วนใหญ่ของระบบเหล่านี้
สามารถ classi จึงเอ็ดในต่อไปนี้สามประเภททั่วไป :