Collecting large-scale multi-criter

Collecting large-scale multi-criteria rating data. Multi-criteria rating datasets
that can be used for algorithm testing and parameterization are rare. For this new
area of recommender systems to be successful, it is crucial to have a number of
standardized real-world multi-criteria rating datasets available to the research community. Some initial steps towards a more standardized representation, reusability,
and interoperability of multi-criteria rating datasets have been taken in other application domains, such as e-learning [98].
In this section we discussed several potential future research directions for multicriteria recommenders that should be interesting to recommender systems commu-
nity. This list is not meant to be exhaustive; we believe that research in this area is
only in its preliminary stages, and there are a number of possible additional topics
that could be explored to advance multi-criteria recommender systems.

ผลลัพธ์ (ไทย) 1:

รวบรวมข้อมูลขนาดใหญ่หลายเกณฑ์คะแนน Datasets หลายเกณฑ์คะแนนที่สามารถใช้สำหรับขั้นตอนวิธีการทดสอบ และมี parameterization นี้ใหม่ที่ตั้งของระบบผู้แนะนำจะประสบความสำเร็จ มันเป็นสิ่งสำคัญมีจำนวนมาตรฐาน datasets จริงหลายเกณฑ์ประเมินให้ชุมชนวิจัย บางขั้นตอนเริ่มต้นต่อการแสดงมากขึ้นมาตรฐาน reusabilityและทำงานร่วมกันของ datasets หลายเกณฑ์คะแนนมีการดำเนินการในโดเมนโปรแกรมประยุกต์อื่น ๆ เช่นการศึกษา [98]ในส่วนนี้ เราได้พูดถึงทิศทางการวิจัยในอนาคตเป็นไปได้หลายสำหรับ recommenders multicriteria ที่ควรสนใจกับผู้แนะนำระบบ commu-nity รายการนี้ไม่ใช่จะหมดแรง เราเชื่อว่า งานวิจัยในพื้นที่นี้ในขั้นตอนเบื้องต้นของ และมีจำนวนหัวข้อเพิ่มเติมได้ที่สามารถสำรวจล่วงหน้าระบบผู้แนะนำแบบหลายเงื่อนไข

ผลลัพธ์ (ไทย) 2:

การจัดเก็บภาษีขนาดใหญ่หลายเกณฑ์ข้อมูลคะแนน เกณฑ์หลายชุดข้อมูลคะแนน
ที่สามารถใช้สำหรับการทดสอบขั้นตอนวิธีการและ parameterization เป็นของหายาก สำหรับใหม่นี้
พื้นที่ของระบบ recommender จะประสบความสำเร็จก็เป็นสิ่งสำคัญที่จะมีจำนวน
ที่แท้จริงของโลกที่ได้มาตรฐานตามเกณฑ์หลายชุดข้อมูลคะแนนที่มีให้กับการวิจัยชุมชน บางขั้นตอนเริ่มต้นไปสู่การเป็นตัวแทนที่ได้มาตรฐานมากขึ้นสามารถนำมาใช้,
และการทำงานร่วมกันของเกณฑ์หลายชุดข้อมูลคะแนนที่ได้รับในโดเมนการประยุกต์ใช้อื่น ๆ เช่น e-learning [98].
ในส่วนนี้เราได้พูดถึงการวิจัยในอนาคตที่อาจเกิดขึ้นหลายทิศทางการ Recommenders multicriteria ว่า ควรจะเป็นที่น่าสนใจกับระบบ recommender แล้วแต่
nity รายการนี้ไม่ได้หมายถึงจะหมดแรง; เราเชื่อว่าการวิจัยในพื้นที่นี้เป็น
เฉพาะในขั้นตอนเบื้องต้นของตนและมีจำนวนของหัวข้อเพิ่มเติมที่เป็นไปได้
ที่อาจจะมีการสำรวจที่จะก้าวไปตามเกณฑ์หลายระบบ recommender

ผลลัพธ์ (ไทย) 3:

การเก็บรวบรวมขนาดใหญ่หลายเกณฑ์การประเมินข้อมูล หลายเกณฑ์การประเมินข้อมูล
ที่สามารถใช้สำหรับการทดสอบอัลกอริทึมและ parameterization หาได้ยาก สำหรับพื้นที่ใหม่นี้
ของแนะนำระบบจะประสบความสำเร็จ มันเป็นสิ่งสำคัญที่จะมีจำนวนของเกณฑ์การประเมินมาตรฐานจริง
หลายข้อมูลบริการแก่ชุมชนวิจัย ขั้นตอนแรกต่อการมีมาตรฐานมากขึ้นที่ใช้ร่วมกัน , และหลายเกณฑ์การประเมิน
ข้อมูลโดเมนได้ถูกถ่ายในโปรแกรมอื่น ๆเช่น อีเลิร์นนิ่ง [ 98 ] .
ในส่วนนี้เราได้หลายทิศทางการวิจัยในอนาคตที่มีศักยภาพสำหรับแบบหลายหลักเกณฑ์ recommenders ที่ควรจะน่าสนใจเพื่อการสื่อสาร - แนะนำระบบ
nity . รายการนี้ไม่ใช่จะหมดแรง เราเชื่อว่าการวิจัยในพื้นที่นี้
เฉพาะในขั้นตอนเบื้องต้นของ , และมีจำนวนของความเป็นไปได้เพิ่มเติมหัวข้อ
ที่สามารถสำรวจล่วงหน้าหลายเกณฑ์

แนะนำระบบ