19.2.2 The Traditional Recommender

19.2.2 The Traditional Recommender Systems Paradigm

Recommender systems are software applications that aim at predicting the user interest for a particular resource based on a collection of user profiles, e.g., the user’s history of purchase/resources’ ratings, click-stream data, demographic information, and so forth. Usually RS predict ratings of resources or suggest a list of new resources that the user hopefully will like the most. Traditionally, for m users and n resources, the user profiles are represented in a sparse user-resource matrix X ? Rm?n ? {.}, where {.} denote missing values. The matrix can be decomposed into row vectors:

Results (Thai) 1:

19.2.2 การกระบวนทัศน์ระบบผู้แนะนำแบบดั้งเดิมผู้แนะนำระบบโปรแกรมประยุกต์ซอฟต์แวร์ที่มุ่งคาดการณ์ดอกเบี้ยผู้ใช้การตามชุดของโพรไฟล์ผู้ใช้ เช่น ประวัติของผู้ซื้อ/ทรัพยากรการจัดอันดับ คลิสตรีมข้อมูล ข้อมูลประชากร และอื่นๆ ได้ ปกติ RS ทายของทรัพยากร หรือแนะนำรายการทรัพยากรใหม่ที่ผู้ใช้หวังว่าจะชอบมากที่สุด ประเพณี สำหรับผู้ใช้ m และ n ทรัพยากร โพรไฟล์ผู้ใช้จะแสดงในเมตริกซ์ผู้ใช้ทรัพยากรบ่อ X Rm ? n {..}, ที่ {..} แสดงค่าหายไป เมตริกซ์ที่สามารถย่อยสลายไปเป็นเวกเตอร์แถว:

Results (Thai) 2:

19.2.2 ระบบ Recommender ดั้งเดิมกระบวนทัศน์ระบบ Recommender การใช้งานซอฟแวร์ที่มีจุดมุ่งหมายในการทำนายสนใจของผู้ใช้ทรัพยากรโดยเฉพาะอย่างยิ่งบนพื้นฐานของคอลเลกชันของโปรไฟล์ผู้ใช้เช่นประวัติของผู้ใช้ในการซื้อ / ทรัพยากรการจัดอันดับ 'ข้อมูลคลิกสตรีมประชากร ข้อมูลและอื่น ๆ โดยปกติแล้วอาร์เอสคาดการณ์การจัดอันดับของทรัพยากรหรือแนะนำรายการของทรัพยากรใหม่ที่ผู้ใช้หวังว่าจะชอบมากที่สุด ตามเนื้อผ้าเมตรสำหรับผู้ใช้และ n ทรัพยากรโปรไฟล์ผู้ใช้เป็นตัวแทนในเมทริกซ์ใช้ทรัพยากรเบาบาง X? Rm? n? {.} ที่ {.} แสดงค่าที่ขาดหายไป เมทริกซ์สามารถย่อยสลายเป็นพาหะแถว:

Results (Thai) 3:

19.2.2 ดั้งเดิมแนะนำระบบกระบวนทัศน์

แนะนำระบบเป็นโปรแกรมซอฟต์แวร์ที่มุ่งพยากรณ์ผู้ใช้สนใจโดยเฉพาะทรัพยากรตามคอลเลกชันของโปรไฟล์ผู้ใช้ เช่น ประวัติของผู้ใช้ของการจัดอันดับซื้อ / ทรัพยากร ' คลิกสตรีมข้อมูล ข้อมูลประชากร เป็นต้นการจัดอันดับมักจะ RS ทำนายของทรัพยากรหรือเสนอแนะรายชื่อทรัพยากรใหม่ที่ผู้ใช้ หวังว่าจะชอบ มากที่สุด ผ้า สำหรับ M ผู้ใช้และทรัพยากร , โปรไฟล์ผู้ใช้จะแสดงในเมทริกซ์มากเลขศูนย์ทรัพยากรผู้ใช้ X ? RM ? ที่อยู่ { } ที่ { } แสดงหายไปค่า เมทริกซ์สามารถย่อยสลายให้เป็นเวกเตอร์แถว :