21.7 Applying Group Recommendation

21.7 Applying Group Recommendation to Individual Users
So, what if you are developing an application that recommends to a single user? Group recommendation techniques can be useful in three ways: (1) to aggregate multiple criteria, (2) to solve the so-called cold-start problem, (3) to take into account opinions of others. Chapter 22 also discusses how aggregation may be needed when recommending to individuals, and covers several specific aggregation functions.

21.7.1 Multiple Criteria
Sometimes it is difficult to give recommendations because the problem is multidimensional: multiple criteria play a role. For instance, in a news recommender system, a user may have a preference for location (being more interested in stories close to home, or related to their favourite holiday place). The user may also prefer more recent news, and have topical preferences (e.g. preferring news about politics to news about sport). The recommender system may end up with a situation like in Table 21.5, where different news story rate differently on the criteria. Which news stories should it now recommend?

Results (Thai) 1:

21.7 ใช้แนะนำกลุ่มผู้ดังนั้น ถ้าคุณกำลังพัฒนาโปรแกรมประยุกต์ที่แนะนำให้ผู้เดียว เทคนิคคำแนะนำกลุ่มอาจมีประโยชน์ในสามวิธี: (1) การรวมเงื่อนไขหลาย, (2) เพื่อแก้ไขปัญหาเริ่มต้นเย็นเรียกว่า, (3) การพิจารณาบัญชีความคิดเห็นของผู้อื่นได้ 22 บทยังอธิบายถึงวิธีการเมื่อแนะนำให้กับบุคคลที่อาจต้องรวม และครอบคลุมหลายรวมเฉพาะฟังก์ชัน21.7.1 หลายเงื่อนไขบางครั้งก็ยากที่จะให้คำแนะนำเนื่องจากปัญหาหลายมิติ: เงื่อนไขหลายบทบาท ตัวอย่าง ในระบบผู้แนะนำข่าวสาร ผู้ใช้ได้สำหรับตำแหน่ง (เป็นมากกว่าสนใจในเรื่องบ้าน หรือที่เกี่ยวข้องกับสถานที่วันหยุดที่ชื่นชอบของพวกเขา) ผู้ใช้อาจยังชอบข่าวล่าสุด และมีการกำหนดลักษณะเฉพาะ (เช่นพลุกพล่านข่าวเกี่ยวกับการเมืองข่าวเกี่ยวกับกีฬา) ระบบผู้แนะนำอาจสิ้นสุดขึ้นกับสถานการณ์เช่นใน 21.5 ตาราง ซึ่งข่าวต่าง ๆ เรื่องราคาต่างไปจากเงื่อนไข ข่าวที่ควรจะตอนนี้แนะนำ

Results (Thai) 2:

21.7 คำแนะนำการใช้กลุ่มผู้ใช้ส่วนบุคคล
ดังนั้นสิ่งที่ถ้าคุณมีการพัฒนาโปรแกรมที่แนะนำให้ผู้ใช้คนเดียว? เทคนิคคำแนะนำของกลุ่มจะมีประโยชน์ในสามวิธีคือ (1) การรวมหลายเกณฑ์ (2) เพื่อแก้ปัญหาที่เรียกว่าปัญหาเย็นเริ่มต้น (3) ที่จะเข้าบัญชีความคิดเห็นของคนอื่น ๆ บทที่ 22 ยังกล่าวถึงวิธีการรวมอาจมีความจำเป็นเมื่อแนะนำให้กับประชาชนและครอบคลุมการรวมฟังก์ชั่นที่เฉพาะเจาะจงหลาย. 21.7.1 เกณฑ์หลายบางครั้งก็เป็นเรื่องยากที่จะให้คำแนะนำเพราะปัญหาคือหลายมิติ: หลายเกณฑ์บทบาท ยกตัวอย่างเช่นในระบบข่าว recommender ผู้ใช้อาจมีการตั้งค่าสำหรับสถานที่ตั้ง (เป็นที่สนใจมากขึ้นในเรื่องใกล้บ้านหรือสถานที่ที่เกี่ยวข้องกับวันหยุดของพวกเขาชื่นชอบ) ผู้ใช้ยังอาจต้องการที่ผ่านมามีข่าวมากขึ้นและมีความต้องการที่เฉพาะ (เช่นเลือกที่ข่าวเกี่ยวกับการเมืองข่าวเกี่ยวกับกีฬา) ระบบ recommender อาจจบลงด้วยสถานการณ์เช่นในตารางที่ 21.5 ซึ่งอัตราที่แตกต่างกันเรื่องข่าวกับเกณฑ์ที่แตกต่างกัน ซึ่งข่าวนี้ก็ควรแนะนำ?

Results (Thai) 3:

และใช้กลุ่มให้คำแนะนำผู้ใช้แต่ละคน
ดังนั้นถ้าคุณพัฒนาโปรแกรมประยุกต์ที่แนะนำสำหรับผู้ใช้เดียว เทคนิคแนะนำกลุ่มสามารถเป็นประโยชน์ใน 3 วิธี : ( 1 ) รวมหลายเกณฑ์ ( 2 ) เพื่อแก้ไขปัญหาที่เรียกว่าเริ่มเย็น ( 3 ) เพื่อพิจารณาความคิดเห็นของผู้อื่นบทที่ 22 ยังกล่าวถึงวิธีการอาจจะต้องเมื่อแนะนำให้กับบุคคล และครอบคลุมฟังก์ชันการรวมเฉพาะหลาย

21.7.1 หลายเกณฑ์
บางครั้งมันเป็นเรื่องยากที่จะให้คำแนะนำได้เนื่องจากปัญหาหลายมิติ : หลายเกณฑ์เล่นบทบาท ตัวอย่าง ในระบบการแนะนำเป็นข่าวผู้ใช้อาจมีลักษณะ ( เป็นสนใจในเรื่องราวที่ใกล้ตัว หรือเกี่ยวข้องกับสถานที่วันหยุดที่ชื่นชอบของพวกเขา ) ผู้ใช้อาจต้องการข่าวสารล่าสุด และมีการตั้งค่า ( เช่นเลือกเฉพาะข่าวการเมืองข่าวเกี่ยวกับกีฬา ) ระบบการแนะนำอาจจบลงด้วยสถานการณ์ในตาราง 21.5 ,ข่าวอัตราที่แตกต่างกันไปตามเงื่อนไข ซึ่งข่าวตอนนี้ควรแนะนำ