Given the availability of multi-cri

Given the availability of multi-criteria ratings (in addition to the traditional single
overall rating) for each item, Tables 24.4 and 24.5 illustrate the potential benefits of
this information for recommender systems. While Alice and John have similar preferences on movies in a single-rating setting (Table 24.4), in a multi-criteria rating
setting we could see that they show substantially different preferences on several
movie aspects, even though they had the same overall ratings (Table 24.5). Upon
further inspection of all the multi-criteria rating information, one can see that Alice
and Mason show very similar rating patterns (much more similar than Alice and
John). Thus, using the same collaborative filtering approach as before, but taking
into account multi-criteria ratings, Alice’s overall rating for movie Fargo would be
predicted as 5, based on Mason’s overall rating for this movie.
This example implies that a single overall rating may hide the underlying heterogeneity of users’ preferences for different aspects of a given item, and multi-criteria
ratings may help to better understand each user’s preferences, as a result enabling to
provide users more accurate recommendations. It also illustrates how multi-criteria
ratings can potentially produce more powerful and focused recommendations, e.g.,
by recommending movies that will score best on the story criterion, if this is the
most important one for some user.

ผลลัพธ์ (ไทย) 2:

ให้ความพร้อมของหลายเกณฑ์การให้คะแนน (นอกเหนือจากแบบดั้งเดิมเดียว
คะแนนรวม) สำหรับแต่ละรายการ, ตาราง 24.4 และ 24.5 แสดงให้เห็นถึงประโยชน์ที่อาจเกิดไฟทีเอสของ
ข้อมูลนี้สำหรับระบบ recommender ในขณะที่อลิซและจอห์นมีความต้องการที่คล้ายกันในภาพยนตร์ในการตั้งค่าคะแนนเดียว (ตารางที่ 24.4) ในหลายเกณฑ์คะแนน
การตั้งค่าที่เราจะได้เห็นว่าพวกเขาแสดงการตั้งค่าที่แตกต่างกันอย่างมีนัยสำคัญในหลาย
แง่มุมหนังถึงแม้ว่าพวกเขามีการจัดอันดับโดยรวมเดียวกัน ( ตารางที่ 24.5) เมื่อ
ตรวจสอบเพิ่มเติมของเกณฑ์หลายข้อมูลอันดับหนึ่งจะเห็นว่าอลิซ
และเมสันแสดงให้เห็นรูปแบบการให้คะแนนที่คล้ายกันมาก (ที่คล้ายกันมากขึ้นกว่าที่อลิซและ
จอห์น) ดังนั้นการใช้วิธีการ ltering สายการทำงานร่วมกันเช่นเดียวกับก่อน แต่การ
เข้าบัญชีการจัดอันดับหลายเกณฑ์ของอลิซให้คะแนนโดยรวมสำหรับภาพยนตร์ฟาร์โกจะได้รับการ
คาดการณ์ 5 ขึ้นอยู่กับคะแนนรวมของเมสันสำหรับหนังเรื่องนี้.
ตัวอย่างนี้แสดงให้เห็นว่าคะแนนรวมเดียวอาจ ซ่อนเซลล์สืบพันธุ์พื้นฐานของการตั้งค่าของผู้ใช้ด้านที่แตกต่างกันของรายการที่กำหนดและหลายเกณฑ์
การจัดอันดับอาจช่วยให้เข้าใจถึงการตั้งค่าของผู้ใช้แต่ละคนเป็นผลที่จะช่วยให้
คำแนะนำให้ผู้ใช้ที่ถูกต้องมากขึ้น นอกจากนี้ยังแสดงให้เห็นถึงวิธีการที่หลายเกณฑ์
การให้คะแนนที่อาจเกิดขึ้นสามารถผลิตมีประสิทธิภาพมากขึ้นคำแนะนำและมุ่งเน้นเช่น
โดยการแนะนำภาพยนตร์ที่จะได้คะแนนที่ดีที่สุดในเกณฑ์เรื่องว่านี้เป็น
หนึ่งในสิ่งที่สำคัญที่สุดสำหรับผู้ใช้บางส่วน

ผลลัพธ์ (ไทย) 3:

ระบุความพร้อมของหลายเกณฑ์การให้คะแนน ( นอกเหนือไปจากแบบดั้งเดิมเดียว
โดยรวมคะแนน ) สำหรับแต่ละรายการ , ตารางและแสดงให้เห็นถึงศักยภาพสูงถดีจึง ts
ข้อมูลสำหรับระบบแนะนำ . ในขณะที่ อลิซ และ จอห์น มีลักษณะคล้ายกับภาพยนตร์ในการตั้งค่า ( ตารางคะแนนเดียวถ ) ใน
อันดับหลายเกณฑ์การตั้งค่าจะเห็นได้ว่า พวกเขาแสดงการตั้งค่าที่แตกต่างกันอย่างมากในด้านภาพยนตร์หลาย
, แม้ว่าพวกเขาได้เหมือนกันโดยรวมคะแนน ( ตารางที่ 3 ) เมื่อตรวจสอบต่อไป
ทั้งหมดหลายเกณฑ์การประเมินข้อมูลหนึ่งสามารถเห็นอลิซ
และเมสันแสดงรูปแบบคล้ายกันมาก ( คล้ายมากกว่า อลิซและ
จอห์น ) ดังนั้นโดยใช้วิธีการเดียวกันร่วมกัน จึง ltering เช่นเดิม แต่ถ่าย
เข้าบัญชีหลายเกณฑ์การให้คะแนน คะแนนรวมของอลิซหนังเรื่อง Fargo จะ
ทำนาย 5 ตามเมสันโดยรวมคะแนนสำหรับหนังเรื่องนี้ ตัวอย่างนี้แสดงถึงว่า
เดียวโดยรวมคะแนนอาจซ่อนภายใต้ความหลากหลายของการตั้งค่าของผู้ใช้ในด้านต่าง ๆ ของสินค้าที่กําหนด และหลายเกณฑ์
การจัดอันดับอาจช่วยให้เข้าใจความต้องการของผู้ใช้แต่ละคน เป็นผลให้

แนะนำให้ผู้ใช้ที่ถูกต้องมากกว่า นอกจากนี้ยังแสดงให้เห็นถึงวิธีการหลายเกณฑ์
อันดับอาจผลิตข้อเสนอแนะที่มีประสิทธิภาพมากขึ้นและเน้นเช่น
โดยการแนะนำภาพยนตร์ที่จะได้คะแนนดีที่สุดในเรื่องเกณฑ์ ถ้านี่คือ
สำคัญที่สุดสำหรับผู้ใช้บาง