Example 22.3. A collaborative RS co

Example 22.3. A collaborative RS considers an item rated by three similar users di = (0.2, 0.7, 0.5). We consider using the weighting vector w =
(0.6, 0.3, 0.1) with either an OWA function or a weighted arithmetic mean
(WAM). In the case of the WAM, the weights suggest that user u1 is very
similar to user u, and further that sim(u, u1) > sim(u, u2) > sim(u, u3). The
aggregated score in this case would be R(u, di) = WAM(di) = 0.6(0.2) +
0.3(0.7) + 0.1(0.5) = 0.38 since u1 didn’t particularly like the item. If using the OWA, one interpretation of the weights suggests that user u will
like the item if one or two similar users liked it, no matter which of the
similar users it is. This gives R(u, di) = OWA(di) = 0.6(0.7) + 0.3(0.5) +
0.1(0.2) = 0.59.

ผลลัพธ์ (ไทย) 1:

ตัวอย่างที่ 22.3 RS ร่วมพิจารณาสินค้าคะแนนสามคล้ายผู้ใช้ di = (0.2, 0.7, 0.5) เราพิจารณาโดยใช้เวกเตอร์น้ำหนัก w =(0.6, 0.3, 0.1) ด้วยฟังก์ชันการ OWA หรือมัชฌิมเลขคณิตถ่วงน้ำหนัก(WAM) ในกรณีของ WAM น้ำหนักแนะนำ u1 ที่ผู้ใช้มีมากคล้ายกับผู้ใช้ u และอีกที่ซิมการ์ด (u, u1) > ซิมการ์ด (u, u2) > ซิมการ์ด (u, u3) ที่คะแนนรวมในกรณีนี้จะเป็น R (u, di) = WAM(di) = 0.6(0.2) +0.3(0.7) + 0.1(0.5) = 0.38 ตั้งแต่ u1 อย่างยิ่งไม่ชอบสินค้า ถ้าใช้ OWA การ ตีหนึ่งน้ำหนักแนะนำผู้ใช้ที่คุณจะชอบสินค้าถ้าหนึ่ง หรือสองคล้ายผู้ชอบมัน ไม่ว่าจะผู้ใช้ที่คล้ายกันได้ ซึ่งทำให้ R (u, di) = OWA(di) = 0.6(0.7) + 0.3(0.5) +0.1(0.2) =คือ 0.59

ผลลัพธ์ (ไทย) 2:

ตัวอย่าง 22.3 อาร์เอสร่วมกันพิจารณารายการที่จัดอันดับโดยสามผู้ใช้ที่คล้ายกันดิ = (0.2, 0.7, 0.5) เราพิจารณาการใช้น้ำหนักเวกเตอร์ W =
(0.6, 0.3, 0.1) ที่มีทั้งฟังก์ชั่น OWA หรือเลขคณิตถ่วงน้ำหนักเฉลี่ย
(WAM) ในกรณีที่ WAM, น้ำหนักชี้ให้เห็นว่าผู้ใช้ u1 มาก
คล้ายกับผู้ใช้ยูและต่อไปที่ซิม (U, u1)> ซิม (U, u2)> ซิม (U, U3)
คะแนนรวมในกรณีนี้จะเป็น R (มึงดิ) = WAM (ที่) = 0.6 (0.2) +
0.3 (0.7) + 0.1 (0.5) = 0.38 ตั้งแต่ u1 ไม่ชอบโดยเฉพาะรายการ ถ้าใช้ OWA หนึ่งการตีความของน้ำหนักที่แสดงให้เห็นว่าผู้ใช้ U จะ
ชอบรายการหากหนึ่งหรือสองคนที่คล้ายกันชอบมันไม่ว่าของ
ผู้ใช้ที่คล้ายกันก็คือ นี้จะช่วยให้ R (มึงดิ) = OWA (ที่) = 0.6 (0.7) + 0.3 (0.5) +
0.1 (0.2) = 0.59

ผลลัพธ์ (ไทย) 3:

ตัวอย่างที่สำคัญ . อาร์เอสร่วมกันพิจารณารายการจัดอันดับ โดยสามที่คล้ายกันผู้ใช้ di = ( 0.2 0.7 0.5 ) เราพิจารณาการใช้น้ำหนักเวกเตอร์ W =
( 0.6 0.3 0.1 ) ทั้งโอว่าฟังก์ชันหรือค่าถ่วงน้ำหนัก ค่าเฉลี่ย
( แป๊บ ) ในกรณีของแวม , น้ำหนักแนะนำว่าผู้ใช้มากคล้ายกับ U1
ผู้ใช้ U และเพิ่มเติมว่า ซิม ( U " U1 ) > ซิม ( U , U2 ) > ซิม ( u , U3 )
คะแนนรวมในคดีนี้จะเป็น R ( U , ดิ ) = wam ( DI ) = 0.6 ( 0.2 )
( 0.7 ) 0.1 0.3 0.5 ) = 0.38 ตั้งแต่ U1 ไม่ได้โดยเฉพาะอย่างยิ่งชอบรายการ ถ้าใช้โอว่า หนึ่งการตีความของน้ำหนักแสดงให้เห็นว่าผู้ใช้คุณจะ
ชอบสินค้าถ้าหนึ่งหรือสองผู้ใช้ที่คล้ายกันชอบ ไม่ว่ากัน
ผู้ใช้มัน นี้จะช่วยให้ R ( U , ดิ ) = โอว่า ( DI ) = 0.6 ( 0.7 ) 0.1 0.3 0.5 )

( 0.2 ) = 0.59 .