24.5.1.2 Model-based approachesMode

24.5.1.2 Model-based approaches

Model-based approaches construct a predictive model to estimate unknown ratings
by learning from the observed data. Several existing approaches for multi-criteria
rating recommenders fall into this category, including aggregation function, probabilistic modeling, and multilinear singular value decomposition (MSVD).
Aggregation function approach. While overall rating r0 is often considered sim-
ply as just another criterion rating in similarity-based heuristic approaches (as illustrated earlier), the aggregation function approach assumes that the overall rating
serves as an aggregate of multi-criteria ratings [2]. Given this assumption, this approach finds aggregation function f that represents the relationship between overall
and multi-criteria ratings, i.e.,

ผลลัพธ์ (ไทย) 1:

24.5.1.2 แบบจำลองตามวิธีแบบจำลองตามวิธีสร้างแบบจำลองคาดการณ์การประเมินจัดอันดับที่ไม่รู้จักโดยเรียนรู้จากข้อมูลที่สังเกต วิธีที่มีอยู่หลายแบบหลายเงื่อนไขrecommenders คะแนนจัดอยู่ในประเภทนี้ รวมฟังก์ชัน สร้างโมเดล probabilistic และแยกส่วนประกอบค่า multilinear เอกพจน์ (MSVD)วิธีการรวมฟังก์ชันการ ในขณะที่โดยรวม คะแนน r0 มักถือซิม-ชั้นเป็นเพียงหนึ่งคะแนนเกณฑ์ใน heuristic ตามความคล้ายคลึงกันใกล้ (เป็นภาพประกอบก่อนหน้านี้), การรวมฟังก์ชันวิธีสมมติที่จัดอันดับโดยรวมทำหน้าที่เป็นรวมของการจัดอันดับหลายเงื่อนไข [2] กำหนดสมมติฐานนี้ นี้วิธี finds รวมฟังก์ชัน f ซึ่งแสดงถึงความสัมพันธ์ระหว่างโดยรวมและการจัด อันดับหลายเงื่อนไข เช่น

ผลลัพธ์ (ไทย) 2:

24.5.1.2 วิธีรุ่นที่ใช้วิธีการตามรูปแบบการสร้างแบบจำลองการคาดการณ์ที่จะประเมินการจัดอันดับที่ไม่รู้จักโดยการเรียนรู้จากข้อมูลที่สังเกต วิธีการที่มีอยู่หลายเกณฑ์หลายRecommenders คะแนนตกอยู่ในประเภทนี้รวมทั้งฟังก์ชั่นการรวมแบบจำลองความน่าจะเป็นและการย่อยสลายมูลค่าเอกพจน์ multilinear (MSVD). วิธีการรวมฟังก์ชั่น ในขณะที่คะแนนรวม r0 มักจะคิดว่าซิมเร่เป็นเพียงแค่คะแนนเกณฑ์อื่นที่คล้ายคลึงกันตามวิธีการแก้ปัญหา (ดังแสดงในภาพก่อนหน้า) วิธีการรวมฟังก์ชั่นสันนิษฐานว่าคะแนนรวมทำหน้าที่เป็นรวมของเกณฑ์การให้คะแนนหลาย [2] สมมติฐานนี้ได้รับวิธีการนี้สาย nds รวมฟังก์ชัน f ที่แสดงถึงความสัมพันธ์ระหว่างโดยรวมและเกณฑ์การให้คะแนนหลายเช่น

ผลลัพธ์ (ไทย) 3:

24.5.1.2 แบบจำลองตามแนวทาง

ใช้รูปแบบวิธีการสร้างรูปแบบการทำนายค่าไม่ทราบเรตติ้ง
โดยการเรียนรู้จากข้อมูล . วิธีการหลายที่มีอยู่หลายเกณฑ์
อันดับ recommenders ตกอยู่ในประเภทนี้ ได้แก่ การสร้างฟังก์ชันความน่าจะเป็นและ multilinear เอกพจน์ค่าการสลายตัว ( msvd ) .
วิธีฟังก์ชันการรวมกันในขณะที่ r0 คะแนนโดยรวมถือว่าซิม -
ชั้นเป็นแค่การประเมินเกณฑ์อื่นในความเหมือนโดยวิธีฮิวริสติก ( ที่แสดงก่อนหน้านี้ ) , ฟังก์ชันการรวมวิธีการอนุมานว่า
คะแนนโดยรวมเป็นการรวมของหลายเกณฑ์คะแนน [ 2 ] ให้สมมติฐานนี้ วิธีการนี้ จึงอยากรวบรวมฟังก์ชัน f ที่แสดงถึงความสัมพันธ์ระหว่าง
โดยและหลายเกณฑ์การให้คะแนน เช่น