Knowledge-based recommenders use ba

Knowledge-based recommenders use background knowledge about associated
and similar items to infer the needs of the user and how they can best be met.
Knowledge-based methods will then draw not only on typical measures of simi-
larity like correlation, but also on feature similarities that will interest the user. For
instance, when a user indicates that he liked A Good Year, a KB recommender sys-
tem might know that this film could be associated with either A Beautiful Mind
(which also stars Russell Crowe) or Jeux d’Enfants (which also stars Marion Cotil-
lard). Since the user has shown a preference for French films in the past, the system
will assume that the user liked A Good Year because it featured Marion Cotillard,
and recommend accordingly. It is pointed out in [16] that KB recommenders often
draw on case-based reasoning approaches.

ผลลัพธ์ (ไทย) 1:

เชื่อมโยงความรู้ recommenders ใช้พื้นความรู้เกี่ยวกับและเป็นไปตามรายการที่เหมือนจะเข้าใจความต้องการของผู้ใช้และวิธีการที่พวกเขาสามารถสุดความรู้วิธีแล้วจะวาดไม่เพียงแต่ในวัดทั่วไป simi-larity เช่นความสัมพันธ์ของ แต่ ในความคล้ายคลึงของลักษณะพิเศษที่จะสนใจผู้ใช้ สำหรับอินสแตนซ์ เมื่อผู้ใช้บ่งชี้ว่า เขาชอบ A ดีปี เป็น KB ผู้แนะนำ sys-ยการอาจทราบว่า film นี้อาจเกี่ยวข้องกับจิตใจสวยงามแบบ A(ที่ยังระดับดาวรัสเซลโครว์) หรือ d'Enfants jeux ที่เป็น (ซึ่งระดับดาวยัง ฉ้อ Cotil -น้ำมันหมู) เนื่องจากผู้ใช้ได้แสดงความสนใจในภาษาฝรั่งเศส films ในอดีต ระบบจะสมมติว่า ผู้ใช้ชอบ A ปีดีเนื่องจากมันห้องมารียงและขอแนะนำตาม มันจะชี้ออกใน [16] recommenders KB ที่มักวาดบนแนวทางกรณีตามเหตุผล

ผลลัพธ์ (ไทย) 2:

Recommenders ความรู้พื้นฐานการใช้ความรู้พื้นฐานเกี่ยวกับการที่เกี่ยวข้อง
รายการและที่คล้ายกันเพื่อสรุปความต้องการของผู้ใช้และวิธีที่พวกเขาได้ดีที่สุดจะได้พบกับ.
วิธีการความรู้ที่ใช้แล้วจะวาดไม่เพียง แต่เกี่ยวกับมาตรการทั่วไปของ simi-
larity เช่นความสัมพันธ์ แต่ยังเกี่ยวกับคุณลักษณะ ความคล้ายคลึงกันที่จะสนใจของผู้ใช้ สำหรับ
ตัวอย่างเช่นเมื่อผู้ใช้แสดงให้เห็นว่าเขาชอบเป็นปีที่ดี KB recommender งานระบบ
Tem จะได้รู้ว่า LM สายนี้อาจจะเกี่ยวข้องกับทั้งจิตใจงดงาม
(ซึ่งยังดาวรัสเซลโครว์) หรือเกมส์ d'เตาะแตะ (ซึ่งยังดาวแมเรียน Cotil-
น้ำมันหมู) ตั้งแต่ผู้ใช้ที่ได้แสดงให้เห็นว่าการตั้งค่าสำหรับ LMS Fi ฝรั่งเศสในอดีตที่ผ่านมาระบบ
จะสมมติว่าผู้ใช้ชอบปีที่ดีเพราะมันเป็นจุดเด่น Marion Cotillard,
และให้คำแนะนำตาม มันเป็นเรื่องที่ชี้ให้เห็นใน [16] ว่า KB Recommenders มักจะ
วาดในกรณีที่ใช้วิธีการให้เหตุผล

ผลลัพธ์ (ไทย) 3:

ความรู้พื้นฐาน recommenders ใช้ความรู้พื้นฐานเกี่ยวกับเกี่ยวข้อง
และรายการคล้ายกับอนุมานความต้องการของผู้ใช้และวิธีการที่พวกเขาสามารถพบ
ความรู้วิธีการจะไม่เพียง แต่โดยทั่วไปแล้ววาดในมาตรการของ มิ -
larity เหมือนความสัมพันธ์ แต่ยังเกี่ยวกับคุณลักษณะที่คล้ายคลึงกันนั้นจะสนใจผู้ใช้ สำหรับ
อินสแตนซ์ เมื่อผู้ใช้พบว่าเขาชอบเป็นปีที่ดี บางครั้งการแนะนำ sys -
แบบอาจจะรู้ว่านี้จึงอาจจะเกี่ยวข้องกับ LM ด้วยจิตใจที่งดงาม
( ซึ่งยังดาวรัสเซล โครว์ ) หรือ jeux d'enfants ( ซึ่งยังดาว แมเรี่ยน cotil -
หมู ) เนื่องจากผู้ใช้มีการแสดงการตั้งค่าสำหรับฝรั่งเศสจึงสอนในอดีต ระบบ
จะสมมติว่าผู้ใช้ชอบปีที่ดี เพราะมันเด่น แมเรี่ยน แอฟ
แนะนำตามมันชี้ให้เห็นใน [ 16 ] KB recommenders มักจะวาดบนเหตุผลด้วยกรณีศึกษา

วิธี