Horting is a graph-based technique

Horting is a graph-based technique in which nodes are consumers, and edges between nodes indicate degree of similarity between
two consumers (Wolf et al. 1999). Predictions are produced by walking the graph to nearby nodes and combining the opinions of the
nearby consumers. Horting differs from nearest neighbor as the graph may be walked through other consumers who have not rated
the product in question, thus exploring transitive relationships that nearest neighbor algorithms do not consider. In one study using
synthetic data, Horting produced better predictions than a nearest neighbor algorithm (Wolf et al., 1999).
In this paper we review existing e-commerce implementations according to how they are presented to consumers. Most of the Web
stores we review consider the algorithms they use to be proprietary. Many of these algorithms could be used while still presenting
the same interface to the user. For this reason, our taxonomy is based on the basic approach to recommendation, rather than the
specific technology used.

ผลลัพธ์ (ไทย) 1:

Horting เป็นเทคนิคหนึ่งที่ใช้กราฟที่โหนอยู่ผู้บริโภค และขอบระหว่างโหนระบุระดับของความคล้ายคลึงกันระหว่างสองผู้บริโภค (หมาป่า et al. 1999) คาดคะเนผลิตเดินกราฟไปโหนดที่ใกล้เคียง และรวมความเห็นของผู้บริโภคในบริเวณใกล้เคียง Horting แตกต่างจากเพื่อนบ้านที่ใกล้ที่สุดเป็นกราฟอาจจะเดินผ่านผู้บริโภคอื่น ๆ ที่ไม่มีคะแนนสินค้าที่สอบถาม สำรวจความสัมพันธ์สกรรมกริยาที่ใกล้ใกล้เคียงอัลกอริทึมพิจารณาดังนั้น ในการศึกษาโดยใช้สังเคราะห์ข้อมูล Horting ผลิตคาดการณ์ดีกว่าการเพื่อนบ้านอัลกอริทึม (หมาป่า et al., 1999)ในเอกสารนี้ เราทบทวนใช้งานพาณิชย์อิเล็กทรอนิกส์ที่มีอยู่ตามวิธีที่จะนำเสนอให้กับผู้บริโภค ที่สุดของเว็บร้านค้าที่เราทบทวนพิจารณาอัลกอริทึมที่ใช้ต้องเป็นกรรมสิทธิ์ หลายอัลกอริทึมเหล่านี้สามารถใช้ได้ในขณะที่ยังคง นำเสนออินเทอร์เฟซเดียวกันกับผู้ใช้ ด้วยเหตุนี้ ระบบของเราจะขึ้นอยู่กับวิธีพื้นฐานในการแนะนำ ดีกว่าเทคโนโลยีเฉพาะที่ใช้

ผลลัพธ์ (ไทย) 2:

Horting เป็นเทคนิคกราฟตามที่โหนดเป็นผู้บริโภคและขอบระหว่างโหนดบ่งบอกถึงระดับของความคล้ายคลึงกันระหว่าง
สองผู้บริโภค (หมาป่า et al. 1999) การคาดการณ์ที่มีการผลิตโดยการเดินกราฟไปยังโหนดที่ใกล้เคียงและการรวมความคิดเห็นของ
ผู้บริโภคที่ใกล้เคียง Horting แตกต่างจากเพื่อนบ้านที่ใกล้ที่สุดเป็นกราฟอาจจะเดินผ่านผู้บริโภคอื่น ๆ ที่ยังไม่ได้จัดอันดับ
สินค้าในคำถามจึงสำรวจความสัมพันธ์ที่ใกล้ที่สุดสกรรมกริยาอัลกอริทึมเพื่อนบ้านไม่ได้พิจารณา ในการศึกษาโดยใช้
ข้อมูลที่สังเคราะห์ Horting ผลิตการคาดการณ์ที่ดีกว่าอัลกอริทึมเพื่อนบ้านที่ใกล้ที่สุด (หมาป่า et al., 1999).
ในบทความนี้เราจะตรวจสอบการใช้งานที่มีอยู่อีคอมเมิร์ซตามวิธีการที่พวกเขาจะนำเสนอให้กับผู้บริโภค ส่วนใหญ่ของเว็บ
ร้านค้าเราตรวจสอบพิจารณาขั้นตอนวิธีการที่พวกเขาใช้ให้เป็นกรรมสิทธิ์ หลายขั้นตอนวิธีการเหล่านี้สามารถนำมาใช้ในขณะที่ยังคงนำเสนอ
อินเตอร์เฟซเดียวกันให้กับผู้ใช้ ด้วยเหตุนี้อนุกรมวิธานของเราจะขึ้นอยู่กับวิธีการพื้นฐานในการเสนอแนะมากกว่า
เทคโนโลยีเฉพาะที่ใช้

ผลลัพธ์ (ไทย) 3:

horting เป็นกราฟตามเทคนิคที่โหนดที่เป็นผู้บริโภค และขอบระหว่างโหนดบ่งชี้ระดับของความคล้ายคลึงกันระหว่าง
ผู้บริโภค 2 ( หมาป่า et al . 1999 ) การคาดการณ์ที่ผลิตโดยเดินกราฟกับโหนดใกล้เคียงและรวมความคิดเห็นของ
ใกล้ผู้บริโภค horting แตกต่างจากเพื่อนบ้านที่ใกล้ที่สุดเป็นกราฟอาจจะเดินผ่านผู้บริโภคอื่น ๆ ที่ยังไม่ได้จัดอันดับ
คำถามในผลิตภัณฑ์ จึงสำรวจความสัมพันธ์ที่ขั้นตอนวิธีการเพื่อนบ้านที่ใกล้ที่สุด ไม่พิจารณา ในการศึกษาใช้ข้อมูล horting
สังเคราะห์ผลิตคาดคะเนดีกว่าเพื่อนบ้านที่ใกล้ที่สุดของหมาป่า et al . , 1999 ) .
ในกระดาษนี้เราตรวจสอบการใช้งาน e - commerce ที่มีอยู่ตามวิธีการที่พวกเขาจะถูกนำเสนอให้กับผู้บริโภค ที่สุดของเว็บ
ร้านเราทบทวนพิจารณาขั้นตอนวิธีที่พวกเขาใช้ในการเป็นเจ้าของ หลายวิธีการเหล่านี้สามารถใช้ในขณะที่ยังคงนำเสนอ
อินเตอร์เฟซเดียวกันให้กับผู้ใช้ ด้วยเหตุนี้ , อนุกรมวิธานของเราจะขึ้นอยู่กับแนวทางพื้นฐานที่จะแนะนำ มากกว่า
เฉพาะเทคโนโลยีที่ใช้