24.5.2 Engaging Multi-Criteria Rati

24.5.2 Engaging Multi-Criteria Ratings during Recommendation

As mentioned above, multi-criteria recommender systems may choose to model a
user’s utility for a given item by including both the overall rating and ratings of
individual item components/criteria or they may choose to include only ratings of
individual criteria. If overall ratings are included as part of the model, the recommendation process in such cases is typically very straightforward: after predicting
all unknown ratings, the recommender system uses the overall rating of items to select the most highly predicted items (i.e., the most relevant items) for each user. In
other words, the recommendation process is essentially the same as in traditional,
single-criterion recommender systems.
However, without an overall rating the recommendation process becomes more
complex, because it is less apparent how to establish the total order of the items. For
example, suppose that we have a two-criterion movie recommender system, where
users judge movies based on their story (i.e., plot) and visual effects. Further, suppose that one movie needs to be chosen for recommendation among the following
two alternatives: (i) movie X, predicted as 8 in story and 2 in visuals, and (ii) movie
Y, predicted as 5 in story and 5 in visuals. Since there is no overall criterion to
rank the movies, it is not easy to judge which movie is better, unless some other
modeling approach is adopted, using some non-numerical (e.g., rule-based) way for
expressing preferences. Several approaches have been proposed in the recommender
systems literature to deal with this problem: some try to design a total order on items
and obtain a single global optimal solution for each user, whereas others take one of
the possible partial orders of the items and find multiple (Pareto optimal) solutions.

ผลลัพธ์ (ไทย) 1:

24.5.2 เสน่ห์จัดอันดับหลายเงื่อนไขในคำแนะนำดังกล่าวข้างต้น ผู้แนะนำเงื่อนไขหลายระบบอาจเลือกแบบโปรแกรมอรรถประโยชน์ของผู้ใช้สำหรับสินค้าที่กำหนดโดยการรวมคะแนนและจัดอันดับของส่วนประกอบ/เงื่อนไขของสินค้าแต่ละรายการหรืออาจเลือกที่จะรวมเฉพาะการจัดอันดับของเงื่อนไขแต่ละ โดยรวม การจัดอันดับจะรวมเป็นส่วนหนึ่งของแบบจำลอง การแนะนำในกรณีว่าตรงไปตรงมามากโดยทั่วไป: หลังจากการคาดการณ์จัดอันดับทั้งหมดไม่รู้จัก ระบบผู้แนะนำจะจัดอันดับโดยรวมของสินค้าเพื่อเลือกรายการคาดการณ์สูงสุด (เช่น การเลือกมากที่สุด) สำหรับผู้ใช้แต่ละ ในคำอื่น ๆ การแนะนำเป็นหลักเช่นเดียวกับในแบบดั้งเดิมระบบเกณฑ์เดียวผู้แนะนำอย่างไรก็ตาม โดยไม่มีการแนะนำการจัดอันดับโดยรวม กระบวนการจะเพิ่มเติมซับซ้อน เนื่องจากมีความชัดเจนน้อยวิธีการสร้างใบสั่งทั้งหมดของสินค้า สำหรับตัวอย่าง สมมติว่า เรามีระบบผู้แนะนำภาพยนตร์สองเกณฑ์ ที่ผู้ตัดสินภาพยนตร์เรื่อง (เช่น พล็อต) และลักษณะการแสดงผลของพวกเขา เพิ่มเติม สมมติว่า หนังเรื่องหนึ่งนั้นต้องการที่จะเลือกสำหรับคำแนะนำในต่อไปนี้ทางเลือกที่สอง: (i) X ทำนายเป็น 2 ในภาพ และ 8 ในเรื่องภาพยนตร์และภาพยนตร์ (ii)Y ทำนาย 5 ในเรื่องและ 5 ในภาพ เนื่องจากมีเงื่อนไขไม่รวมจัดอันดับภาพยนตร์ ไม่ใช่เรื่องง่ายวิพากษ์ภาพยนตร์ที่ดีกว่า ถ้าบางอื่น ๆวิธีการสร้างโมเดลจะนำ ใช้บางส่วนไม่เป็นตัวเลข (เช่น ตามกฎ) ทางสำหรับแสดงลักษณะ ได้รับการเสนอแนวทางหลายในการผู้แนะนำเอกสารประกอบการระบบจัดการกับปัญหานี้: บางพยายามที่จะออกใบสั่งรวมกับสินค้าและขอรับเดียวโซลูชันสูงสุดทั่วโลกสำหรับผู้ใช้ ในขณะที่คนอื่นใช้หนึ่งใบสั่งเป็นบางส่วนของรายการและ find หลายวิธี (Pareto เหมาะสม)

ผลลัพธ์ (ไทย) 2:

24.5.2 การมีส่วนร่วมระดับหลายเกณฑ์ในช่วงแนะนำดังกล่าวข้างต้นเกณฑ์หลายระบบ recommender อาจเลือกที่จะแบบยูทิลิตี้ของผู้ใช้สำหรับรายการที่ได้รับจากทั้งคะแนนรวมและการให้คะแนนของแต่ละองค์ประกอบรายการ / หลักเกณฑ์หรือพวกเขาอาจเลือกที่จะรวม การจัดอันดับเดียวของหลักเกณฑ์ของแต่ละบุคคล หากการจัดอันดับโดยรวมที่จะถูกรวมเป็นส่วนหนึ่งของรูปแบบขั้นตอนคำแนะนำในกรณีดังกล่าวโดยปกติจะตรงไปตรงมามาก: หลังจากที่คาดการณ์ทั้งหมดการจัดอันดับที่ไม่รู้จักระบบ recommender ใช้คะแนนโดยรวมของรายการที่จะเลือกรายการที่คาดการณ์ไว้มากที่สุด (เช่นที่เกี่ยวข้องมากที่สุด รายการ) สำหรับผู้ใช้แต่ละคน ในคำอื่น ๆ กระบวนการคำแนะนำเป็นหลักเช่นเดียวกับในแบบดั้งเดิมเดียวเกณฑ์ระบบ recommender. แต่ไม่มีการให้คะแนนโดยรวมขั้นตอนการแนะนำจะมากขึ้นซับซ้อนเพราะมันเป็นที่ชัดเจนน้อยกว่าวิธีการสร้างยอดสั่งซื้อของรายการ สำหรับตัวอย่างเช่นสมมติว่าเรามีหนังสองเกณฑ์ recommender ระบบที่ผู้ใช้ผู้พิพากษาภาพยนตร์ขึ้นอยู่กับเรื่องราวของพวกเขา (คือพล็อต) และผลภาพ นอกจากนี้คิดว่าหนังเรื่องหนึ่งจะต้องมีการเลือกสำหรับคำแนะนำในกลุ่มต่อไปนี้สองทางเลือก: (i) หนัง X ทำนาย 8 เรื่องและที่ 2 ในภาพ, และ (ii) ภาพยนตร์Y ทำนายเป็น 5 เรื่องและที่ 5 ในภาพ . เนื่องจากไม่มีเกณฑ์โดยรวมในการจัดอันดับภาพยนตร์มันไม่ใช่เรื่องง่ายที่จะตัดสินว่าภาพยนตร์จะดีกว่าเว้นแต่บางอื่น ๆวิธีการสร้างแบบจำลองถูกนำมาใช้บางส่วนไม่ใช่ตัวเลข (เช่นตามกฎ) วิธีการตั้งค่าการแสดง หลายวิธีที่ได้รับการเสนอใน recommender วรรณกรรมระบบที่จะจัดการกับปัญหานี้บางคนพยายามที่จะออกแบบยอดสั่งซื้อในรายการและได้รับการแก้ปัญหาที่ดีที่สุดระดับโลกเพียงหนึ่งเดียวสำหรับผู้ใช้แต่ละคนขณะที่คนอื่นใช้เวลาหนึ่งของคำสั่งซื้อบางส่วนเป็นไปได้ของรายการและไฟครั้ง หลาย ๆ (Pareto ดีที่สุด) การแก้ปัญหา

ผลลัพธ์ (ไทย) 3:

24.5.2 มีส่วนร่วมหลายเกณฑ์คะแนนในการแนะนำ

ตามที่กล่าวข้างต้นหลายเกณฑ์แนะนำระบบอาจเลือกโมเดล
ผู้ใช้ยูทิลิตี้สำหรับสินค้าที่กําหนดโดยรวมโดยรวมคะแนนและการจัดอันดับของ
ส่วนประกอบ / รายการแต่ละเกณฑ์หรือพวกเขาอาจเลือกที่จะมีเพียงการจัดอันดับของ
เกณฑ์ของแต่ละบุคคล ถ้าคะแนนโดยรวมจะรวมเป็นส่วนหนึ่งของรูปแบบแนะนำกระบวนการในกรณีดังกล่าวมักจะตรงไปตรงมา : หลังจากทำนาย
อันดับที่ไม่รู้จักทั้งหมด แนะนำการใช้ระบบการประเมินโดยรวมของสินค้าให้เลือกมากที่สุดทำนายรายการ ( เช่น ที่เกี่ยวข้องมากที่สุดรายการ ) สำหรับผู้ใช้แต่ละคน ใน
คำอื่น ๆกระบวนการแนะนำเป็นหลักเช่นเดียวกับในแบบดั้งเดิม

แนะนำระบบเกณฑ์เดียว อย่างไรก็ตามไม่มีการจัดอันดับโดยรวมข้อเสนอแนะกระบวนการกลายเป็น
ซับซ้อน เพราะมันมีความชัดเจนน้อยกว่าวิธีการสร้างคำสั่งซื้อทั้งหมดของรายการ สำหรับ
ตัวอย่าง สมมติว่าเรามีสองเกณฑ์ระบบแนะนำภาพยนตร์ระบบที่
ผู้ใช้ตัดสินภาพยนตร์ที่สร้างจากเรื่องราวของพวกเขา ( เช่นแปลง ) และผลกระทบต่อภาพ เพิ่มเติม คาดว่า ภาพยนตร์ หนึ่งต้องเลือกระหว่างต่อไปนี้
แนะนำทางเลือกที่สอง : ( ฉัน ) หนัง x , ทำนายเป็น 8 ในเรื่องราวและ 2 ภาพ และ ( 2 ) หนัง
y , ทำนายเป็น 5 เรื่อง 5 ภาพ เนื่องจากไม่รวมเกณฑ์

อันดับภาพยนตร์ มันไม่ได้เป็นเรื่องง่ายที่จะตัดสินซึ่งเป็นหนังดีกว่า เว้นแต่บาง
แบบจำลองไปใช้บางอย่างที่ไม่ใช่ตัวเลขเช่น ( กฎ ) ทาง
แสดงการตั้งค่าหลายวิธีได้ถูกเสนอในการแนะนำ
ระบบวรรณกรรมเพื่อจัดการกับปัญหานี้ บางคนพยายามที่จะออกแบบและได้รับเพียงครั้งเดียวสำหรับโซลูชั่นที่เหมาะสมเพื่อรวมสินค้า
สำหรับผู้ใช้แต่ละคน ในขณะที่คนอื่น ๆถ่ายรูป
บางส่วนเป็นไปได้ของรายการและถ่ายทอดคำสั่งและหลาย ( Pareto ที่ดีที่สุด ) โซลูชั่น