However, the main disadvantage of t

However, the main disadvantage of the GSI approach seems to be its complexity. In that sense, the static product catalog maps might be a better alternative. Still, this should to be tested in a usability study.

17.7 Conclusions and Outlook
In this chapter, we have discussed how product catalogs can be visualized in a map to provide a way in which e-commerce website users may get a better overview of all products being available. In such a map, products that are similar in their attributes should be located close to each other, while dissimilar products should be located in different areas of the map.

In the framework presented in this chapter, two methods have been used to create such product catalog maps: Multidimensional scaling (MDS) and nonlinear principal components analysis (NL-PCA). MDS has the advantage that it is the only method providing a real distance interpretation. Similarity between products is matched as closely as possible to distances in a two dimensional space. We combined MDS with an adapted version of the Gower coefficient, which is very flexible, since it is able to handle mixed attribute types and missing values. The map made by MDS for the MP3 player application we have shown, seems to have a clear interpretation with a clustering of brands and a important price dimension. The main disadvantage of this map (and MDS in general) is that the map has a circular shape leaving the corners of the map open and positions outliers relatively far away from the rest of the map. However, using a weighting scheme emphasizing the small dissimilarities, this may be overcome.

NL-PCA has the advantage that it is the only method that is able to also visualize attribute categories next to the product visualization. These category points can be used to select subsets of products in the map as was shown in our prototype. In general, the interpretation of the NL-PCA map was in line with the interpretation of the MDS map. Although distinct products also take a large part of the map in the NLPCA approach, the objects are more spread over the map. The main disadvantage of using the NL-PCA method on our product catalog was that we could not visualize all products, because NL-PCA may create poor maps when introducing objects with too many missing values. Another disadvantage is that the dissimilarity between products is not directly mapped to distances as is done in the MDS method. This can be done in NL-PCA by using a different normalization method. However, then interpretation of category points becomes more difficult which may mean that these cannot be used for navigation anymore.

Since users do usually not consider all product attributes to be equally important we have shown a method based on a Poisson regression model, which can determine attribute importance weights automatically based on counting product popularity in a clickstream log file. Since this method is independent from the visualization technique, it can be used with every technique allowing weights of attributes and it can be even applied in recommender systems which allow for attribute weights. How ever, the proposed method has some shortcomings.Weights for categorical attributes are determined in a quite heuristic way and interactions between attributes are ignored. Therefore, we are working on a different way to determine these weights using a more flexible model based on boosted regression trees [25]. Introducing the graphical shopping interface, we have shown one way in which map based visualization could be combined with recommendation techniques, in this case with recommendation by proposing. However, we expect that map based visualization could also be successfully combined with other content- and knowledge-based recommendation techniques, such as critiquing (see [70] and Chapter 13).

Besides combinations with other types of recommendation, we think there are some more challenges in product catalog visualization. First of all, since determining which methods provides the best map is a matter of personal taste and subject to the data to be visualized, one could also try different visualization methods, such as independent component analysis [8] or projection pursuit [12]. A good idea would be to compare different visualization approaches in a user study. In this study, we used a data set of reasonable size. Using larger product catalogs, for instance, having thousands of products, means that both the algorithms used to create the map as well as the interface itself should be able to cope with these numbers. Besides visualizing a large catalog of a single product type, another challenge might be to create a map containing multiple types of products, for instance, different electronic devices.

Acknowledgements
We thank Compare Group for making their product catalog and clickstream log files available to us.

Results (Thai) 1:

อย่างไรก็ตาม ข้อเสียหลักของวิธี GSI น่าจะ เป็นความซับซ้อนของ ใน แผนผังแค็ตตาล็อกผลิตภัณฑ์คงอาจจะเป็นทางเลือกที่ดีกว่า ยังคง ซึ่งควรจะทดสอบในการศึกษาการใช้งาน17.7 บทสรุปและ Outlookในบทนี้ เราได้กล่าวถึงวิธีสามารถ visualized แค็ตตาล็อกผลิตภัณฑ์ในแผนที่เพื่อให้ทางผู้ใช้เว็บไซต์อีคอมเมิร์ซอาจได้ภาพรวมที่ดีของผลิตภัณฑ์ทั้งหมดที่มี เช่นแผนที่ ผลิตภัณฑ์ที่คล้ายกันในคุณลักษณะควรอยู่ใกล้กัน ในขณะที่ผลิตภัณฑ์ไม่เหมือนควรตั้งอยู่ในพื้นที่ต่าง ๆ ของแผนที่ในกรอบการนำเสนอในบทนี้ วิธีการสองวิธีที่ได้ถูกใช้เพื่อสร้างแผนที่เช่นแค็ตตาล็อกผลิตภัณฑ์: มาตราส่วนหลายมิติ (ติด) และการวิเคราะห์ส่วนประกอบหลักไม่เชิงเส้น (NL-PCA) ติดมีข้อดีที่ว่า มันเป็นเพียงวิธีการเดียวให้ตีไกลจริง ความคล้ายคลึงกันระหว่างผลิตภัณฑ์ถูกจับคู่อย่างใกล้ชิดที่สุดกับระยะทางที่ 2 ช่องว่างมิติ เรารวมติดกับรุ่นดัดแปลงของสัมประสิทธิ์ Gower ซึ่งมีความยืดหยุ่นมาก เนื่องจากสามารถจัดการกับชนิดแอททริบิวต์ผสมและค่าหายไป แผนที่ที่ทำ โดยติดสำหรับโปรแกรมประยุกต์ของเครื่องเล่น MP3 ที่เราได้แสดง ดูเหมือนว่าจะ มีการตีความที่ชัดเจนกับแบบคลัสเตอร์ของยี่ห้อและขนาดราคาที่สำคัญ ข้อเสียหลักของแผนที่นี้ (และติดทั่วไป) คือ แผนที่มีรูปทรงกลมออกเปิดมุมของแผนที่ และตำแหน่ง outliers ค่อนข้างไกลจากแผนที่ อย่างไรก็ตาม ใช้โครงร่างน้ำหนักเน้น dissimilarities เล็ก นี้อาจเอาชนะNL PCA มีข้อดีที่ว่า มันเป็นวิธีเดียวที่จะยัง เห็นภาพแอททริบิวต์ประเภทติดที่ผลิตภัณฑ์แสดงภาพประกอบเพลง ประเภทจุดเหล่านี้สามารถใช้เพื่อเลือกชุดย่อยของผลิตภัณฑ์ในแผนที่ตามที่แสดงในต้นแบบของเรา ทั่วไป ตีผัง NL PCA ได้ โดยการตีความแผนที่ติด แม้ว่าผลิตภัณฑ์ทั้งหมดยังใช้เวลาส่วนใหญ่ของแผนที่ในวิธี NLPCA วัตถุจะแพร่กระจายมากขึ้นกว่าแผนที่ ข้อเสียหลักของการใช้วิธี NL PCA ในแค็ตตาล็อกผลิตภัณฑ์ของเราได้ว่า เราสามารถเห็นภาพผลิตภัณฑ์ทั้งหมด ไม่เนื่องจาก NL PCA อาจสร้างแผนที่ดีเมื่อวัตถุที่ มีค่ามากเกินไปไม่แนะนำ ข้อเสียอีกคือ ว่า dissimilarity ระหว่างผลิตภัณฑ์ไม่ตรงได้แมปกับระยะทางทำได้ในวิธีการติด นี้สามารถทำได้ใน NL PCA โดยใช้วิธีการฟื้นฟูต่าง ๆ อย่างไรก็ตาม แล้วตีความประเภทจุดจะยากขึ้นซึ่งอาจหมายความ ว่า เหล่านี้ไม่สามารถใช้สำหรับการนำทางอีกต่อไปเนื่องจากผู้ใช้มักจะไม่พิจารณาคุณลักษณะของผลิตภัณฑ์ทั้งหมดเป็น สิ่งสำคัญเราได้แสดงให้เห็นวิธีการปัวถดถอยแบบจำลอง ซึ่งสามารถกำหนดน้ำหนักความสำคัญของแอตทริบิวต์โดยอัตโนมัติตามนับความนิยมผลิตภัณฑ์ใน clickstream ล็อกไฟล์ เนื่องจากวิธีนี้ไม่ขึ้นอยู่กับเทคนิควิธีการแสดงภาพประกอบเพลง สามารถใช้กับทุกเทคนิคที่ทำให้น้ำหนักของแอตทริบิวต์ และแม้แต่ใช้ในระบบผู้แนะนำซึ่งน้ำหนักแอตทริบิวต์ จบ วิธีการนำเสนอได้แสดงบาง มีกำหนดน้ำหนักสำหรับแอตทริบิวต์ที่แตกในแล้วค่อนข้าง และโต้ตอบระหว่างแอตทริบิวต์จะถูกละเว้น ดังนั้น เราจะทำงานในแบบต่าง ๆ เพื่อกำหนดน้ำหนักเหล่านี้โดยใช้แบบจำลองมีความยืดหยุ่นตามต้นไม้ประจำถดถอย [25] แนะนำติดต่อซื้อภาพ เราได้แสดงวิธีหนึ่งซึ่งแผนที่ที่ใช้แสดงภาพประกอบเพลงสามารถใช้ร่วมกับเทคนิคคำแนะนำ ในกรณีนี้ ด้วยคำแนะนำ โดยเสนอ อย่างไรก็ตาม เราหวังว่า แผนที่ที่ใช้แสดงภาพประกอบเพลงสามารถยังสำเร็จรวมกับตามเนื้อหา และความรู้แนะนำเทคนิคอื่น ๆ เช่น critiquing (ดู [70] และบทที่ 13)นอกจากชุดกับคำแนะนำ เราคิดว่า มีความท้าทายบางอย่างเพิ่มเติมในการแสดงภาพประกอบเพลงแค็ตตาล็อกผลิตภัณฑ์ ครั้งแรกของทั้งหมด ตั้งแต่กำหนดวิธีใดมีแผนที่ดีที่สุดเป็นเรื่อง ของรสนิยมส่วนบุคคล และอาจ มีข้อมูลจะ visualized หนึ่งอาจยังได้วิธีการแสดงภาพประกอบเพลงที่แตกต่างกัน เช่นการวิเคราะห์ส่วนประกอบอิสระ [8] หรือฉายแสวงหา [12] ควรจะมีการ แสดงภาพประกอบเพลงต่าง ๆ ที่ใช้ในการศึกษาผู้ใช้การเปรียบเทียบ ในการศึกษานี้ เราใช้ชุดข้อมูลของขนาดที่เหมาะสม ใช้ใหญ่แค็ตตาล็อกผลิตภัณฑ์ เช่น มีมากมายของผลิตภัณฑ์ หมายความว่าทั้งสองอัลกอริทึมที่ใช้ในการสร้างแผนที่เป็นอินเทอร์เฟซของตัวเอง ควรจะรับมือกับตัวเลขเหล่านี้ นอกจากแสดงผลแค็ตตาล็อกขนาดใหญ่ชนิดเดียวผลิตภัณฑ์ ความท้าทายอีกอาจเป็นการ สร้างแผนที่ประกอบด้วยหลายชนิดของผลิตภัณฑ์ เช่น อิเล็กทรอนิกส์อุปกรณ์ต่าง ๆถาม-ตอบเราขอขอบคุณ กลุ่มเปรียบเทียบสำหรับทำผลิตภัณฑ์แค็ตตาล็อกและ clickstream ล็อกแฟ้มพร้อมใช้งานให้เรา

Results (Thai) 2:

แต่ข้อเสียเปรียบหลักของวิธีการ GSI ดูเหมือนว่าจะมีความซับซ้อนของมัน ในความรู้สึกที่แผนที่รายการสินค้าคงที่อาจจะเป็นทางเลือกที่ดี ยังนี้ควรได้รับการทดสอบในการศึกษาการใช้งาน. 17.7 สรุปผลการวิจัยและ Outlook ในบทนี้เราได้คุยกันว่าแคตตาล็อกสินค้าที่สามารถมองเห็นในแผนที่จะให้วิธีการที่ผู้ใช้เว็บไซต์อีคอมเมิร์ซอาจได้รับภาพรวมที่ดีขึ้นของทุกคน ผลิตภัณฑ์การให้บริการ เช่นในแผนที่ผลิตภัณฑ์ที่มีความคล้ายคลึงกันในคุณลักษณะของพวกเขาควรจะอยู่ใกล้ ๆ กันในขณะที่ผลิตภัณฑ์ที่แตกต่างกันควรจะตั้งอยู่ในพื้นที่ที่แตกต่างกันของแผนที่. ในกรอบที่นำเสนอในบทนี้ทั้งสองวิธีได้ถูกนำมาใช้ในการสร้างผลิตภัณฑ์ดังกล่าว แผนที่แคตตาล็อก: ปรับหลายมิติ (MDS) และการวิเคราะห์องค์ประกอบหลักไม่เชิงเส้น (NL-PCA) MDS มีความได้เปรียบที่ว่ามันเป็นวิธีเดียวที่ให้ความหมายที่แท้จริงของระยะทาง ความคล้ายคลึงกันระหว่างผลิตภัณฑ์จะถูกจับคู่อย่างใกล้ชิดที่สุดเท่าที่จะเป็นระยะทางในสองมิติ เรารวมกับ MDS ปรับรุ่นสัมประสิทธิ์โกเวอร์ซึ่งมีความยืดหยุ่นมากเพราะมันเป็นความสามารถในการจัดการประเภทแอตทริบิวต์ผสมและค่าที่ขาดหายไป แผนที่ทำโดย MDS สำหรับการประยุกต์ใช้เครื่องเล่นเพลง MP3 ที่เราได้แสดงให้เห็นดูเหมือนว่าจะมีการตีความที่ชัดเจนกับการจัดกลุ่มของแบรนด์และมิติราคาที่สำคัญ ข้อเสียเปรียบหลักของแผนที่นี้ (และ MDS ทั่วไป) คือแผนที่มีรูปร่างกลมออกจากมุมของแผนที่เปิดตำแหน่งและค่าผิดปกติค่อนข้างห่างไกลออกไปจากส่วนที่เหลือของแผนที่ อย่างไรก็ตามการใช้รูปแบบการถ่วงเน้นความแตกต่างเล็ก ๆ นี้อาจจะเอาชนะ. NL-PCA มีความได้เปรียบที่ว่ามันเป็นวิธีเดียวที่จะสามารถเห็นภาพยังแอตทริบิวต์ประเภทที่อยู่ติดกับการแสดงสินค้า จุดหมวดหมู่เหล่านี้สามารถใช้ในการเลือกย่อยของผลิตภัณฑ์ในแผนที่ตามที่ได้แสดงในต้นแบบของเรา โดยทั่วไปแล้วการตีความของแผนที่ NL-PCA เป็นไปตามการตีความของแผนที่ MDS แม้ว่าผลิตภัณฑ์ที่แตกต่างกันนอกจากนี้ยังใช้เวลาส่วนใหญ่ของแผนที่ในวิธี NLPCA วัตถุที่มีการแพร่กระจายมากกว่าแผนที่ ข้อเสียเปรียบหลักของการใช้วิธีการ NL-PCA ในแคตตาล็อกผลิตภัณฑ์ของเราคือการที่เราไม่สามารถมองเห็นภาพผลิตภัณฑ์ทั้งหมดเพราะ NL-PCA อาจสร้างแผนที่ที่ไม่ดีเมื่อนำวัตถุที่มีค่าที่ขาดหายไปมากเกินไป ข้อเสียก็คือความแตกต่างระหว่างผลิตภัณฑ์ที่ไม่ได้แมปโดยตรงกับระยะทางที่เป็นจะทำในวิธี MDS ซึ่งสามารถทำได้ใน NL-PCA โดยใช้วิธีการที่แตกต่างกันฟื้นฟู แต่แล้วความหมายของจุดหมวดหมู่กลายเป็นเรื่องยากมากขึ้นซึ่งอาจหมายถึงว่าสิ่งเหล่านี้ไม่สามารถใช้สำหรับการนำทางอีกต่อไป. ตั้งแต่ผู้ใช้มักจะไม่พิจารณาสินค้าทั้งหมดแอตทริบิวต์จะมีความสำคัญเท่า ๆ กันเราได้แสดงให้เห็นวิธีการขึ้นอยู่กับรูปแบบการถดถอยปัวซองซึ่งสามารถตรวจสอบ แอตทริบิวต์น้ำหนักความสำคัญโดยอัตโนมัติตามการนับความนิยมสินค้าในแฟ้มบันทึกเส้นทาง ตั้งแต่วิธีการนี้มีความเป็นอิสระจากเทคนิคการสร้างภาพที่จะสามารถนำมาใช้ด้วยเทคนิคที่ช่วยให้น้ำหนักของคุณลักษณะทุกคนและมันสามารถนำมาใช้แม้จะอยู่ในระบบ recommender ซึ่งอนุญาตให้น้ำหนักแอตทริบิวต์ วิธีการที่เคยเสนอวิธีการที่มีบาง shortcomings.Weights สำหรับแอตทริบิวต์เด็ดขาดมีความมุ่งมั่นในวิธีการแก้ปัญหามากและการมีปฏิสัมพันธ์ระหว่างคุณลักษณะที่จะถูกละเลย ดังนั้นเรากำลังทำงานในลักษณะที่แตกต่างในการกำหนดน้ำหนักเหล่านี้โดยใช้รูปแบบที่มีความยืดหยุ่นมากขึ้นขึ้นอยู่กับต้นไม้ถดถอยเพิ่มขึ้น [25] แนะนำแหล่งช้อปปิ้งอินเตอร์เฟซแบบกราฟิกที่เราได้แสดงให้เห็นวิธีหนึ่งที่สร้างภาพตามแผนที่จะใช้ร่วมกับเทคนิคคำแนะนำในกรณีนี้มีข้อเสนอแนะโดยเสนอ อย่างไรก็ตามเราคาดหวังว่าการสร้างภาพแผนที่ตามก็อาจจะประสบความสำเร็จร่วมกันกับคนอื่น ๆ เนื้อหาและความรู้ที่ใช้เทคนิคคำแนะนำเช่น critiquing (ดู [70] และบทที่ 13). นอกจากนี้ยังรวมกันกับประเภทอื่น ๆ ของคำแนะนำที่เราคิดว่ามีบาง ความท้าทายมากขึ้นในการแสดงรายการสินค้า ครั้งแรกของทั้งหมดตั้งแต่การกำหนดวิธีการให้บริการแผนที่ที่ดีที่สุดคือเรื่องของรสนิยมส่วนตัวและอาจมีข้อมูลที่จะมองเห็นหนึ่งยังสามารถลองวิธีการสร้างภาพที่แตกต่างกันเช่นการวิเคราะห์องค์ประกอบอิสระ [8] หรือการแสวงหาฉาย [12] ความคิดที่ดีที่จะเปรียบเทียบวิธีการสร้างภาพที่แตกต่างกันในการศึกษาของผู้ใช้ ในการศึกษานี้เราใช้ในชุดข้อมูลที่มีขนาดที่เหมาะสม โดยใช้แคตตาล็อกสินค้าที่มีขนาดใหญ่เช่นมีสินค้ามากมายหมายความว่าขั้นตอนวิธีการทั้งสองใช้ในการสร้างแผนที่เช่นเดียวกับอินเตอร์เฟซที่ตัวเองควรจะสามารถที่จะรับมือกับตัวเลขเหล่านี้ นอกจากนี้ยังแสดงรายการใหญ่ของประเภทผลิตภัณฑ์เดียวความท้าทายอื่นอาจจะมีการสร้างแผนที่มีหลายประเภทของผลิตภัณฑ์เช่นอุปกรณ์อิเล็กทรอนิกส์ที่แตกต่างกัน. กิตติกรรมประกาศเราขอขอบคุณเปรียบเทียบกลุ่มสำหรับการทำแคตตาล็อกสินค้าของพวกเขาและไฟล์บันทึกเส้นทางที่มีให้เรา

Results (Thai) 3:

อย่างไรก็ตาม ข้อเสียหลักของ GSI แบบน่าจะเป็นของความซับซ้อน ในความรู้สึกที่คงที่แคตตาล็อกผลิตภัณฑ์แผนที่ อาจเป็นทางเลือกที่ดีกว่า ยังคง , นี้ควรที่จะถูกทดสอบในการศึกษาการใช้งาน

17.7 ข้อสรุปและ Outlook
ในบทเราได้กล่าวถึงวิธีการแคตตาล็อกผลิตภัณฑ์ที่สามารถมองเห็นในแผนที่เพื่อให้วิธีที่ผู้ใช้เว็บไซต์อาจได้รับภาพรวมที่ดีของผลิตภัณฑ์ทั้งหมดที่มีอยู่ . เช่นแผนที่ , ผลิตภัณฑ์ที่คล้ายคลึงกันในลักษณะของพวกเขาควรจะตั้งอยู่ใกล้กับแต่ละอื่น ๆในขณะที่ผลิตภัณฑ์ไม่เหมือนกัน ควรตั้งอยู่ในพื้นที่ต่าง ๆ ของแผนที่

ในกรอบที่นำเสนอในบทนี้สองวิธีมีการใช้เพื่อสร้างแผนที่แคตตาล็อกผลิตภัณฑ์เช่น : multidimensional scaling ( MDS ) และไม่เชิงเส้นการวิเคราะห์องค์ประกอบหลัก ( nl-pca ) เมื่อ มี ประโยชน์ ที่ มันเป็นวิธีเดียวที่ให้ตีความระยะทางที่แท้จริง ความคล้ายคลึงกันระหว่างผลิตภัณฑ์กับใกล้เคียงเป็นไปได้ระยะทางในพื้นที่สองมิติเรารวมจำนวนกับการปรับรุ่นของค่าสัมประสิทธิ์ Gower ซึ่งมีความยืดหยุ่นมาก เนื่องจากมันสามารถจัดการประเภทคุณลักษณะผสมและหายไปค่า แผนที่ที่ทำโดย MDS สำหรับผู้เล่น MP3 โปรแกรมที่เราได้แสดงให้เห็น , ดูเหมือนว่ามีการตีความชัดเจน ด้วยการจัดกลุ่มของแบรนด์และขนาดราคาที่สำคัญข้อเสียเปรียบหลักของแผนที่นี้ ( และ MDS ในทั่วไป ) คือ แผนที่ที่มีรูปร่างวงกลมออกจากมุมของแผนที่เปิดและตำแหน่งผิดปกติค่อนข้างห่างจากส่วนที่เหลือของแผนที่ อย่างไรก็ตาม การใช้น้ำหนัก แบบเน้น dissimilarities ขนาดเล็กนี้อาจจะเอาชนะ .

nl-pca มี ประโยชน์ ที่ มันเป็นวิธีเดียวที่สามารถเห็นภาพประเภทคุณลักษณะถัดไปเพื่อการแสดงสินค้า คะแนนประเภทเหล่านี้สามารถใช้ในการเลือกชุดย่อยของผลิตภัณฑ์ในแผนที่ที่แสดงในแบบของเรา โดยทั่วไป การตีความของแผนที่ nl-pca สอดคล้องกับการตีความของ MDS แผนที่แม้ว่าผลิตภัณฑ์ที่แตกต่างกันยังใช้เวลาส่วนใหญ่ของแผนที่ใน nlpca เข้าใกล้วัตถุกระจายมากกว่าแผนที่ ข้อเสียเปรียบหลักของการใช้วิธี nl-pca ในแค็ตตาล็อกผลิตภัณฑ์ของเราคือการที่เราสามารถเห็นสินค้าทั้งหมด เพราะ nl-pca อาจสร้างแผนที่ที่ดีเมื่อแนะนำวัตถุมากเกินไป คิดถึงค่าข้อเสียคือ ความแตกต่างระหว่างผลิตภัณฑ์ที่ไม่ตรงต่อระยะทางเป็นทำในจำนวนวิธีการ ซึ่งสามารถทำได้ใน nl-pca โดยใช้วิธีปกติที่แตกต่างกัน แต่แล้วการตีความคะแนนประเภทกลายเป็นเพิ่มเติมยากซึ่งอาจหมายความ ว่า เหล่านี้ไม่สามารถใช้สำหรับการเดินเรืออีกแล้ว

เนื่องจากผู้ใช้มักจะไม่พิจารณาคุณลักษณะทั้งหมดของผลิตภัณฑ์จะสำคัญพอๆกัน เราได้แสดงวิธีตามแบบจำลองการถดถอยปัวส์ซอง ซึ่งสามารถตรวจสอบคุณลักษณะสำคัญน้ำหนักโดยอัตโนมัติ ขึ้นอยู่กับการนับความนิยมสินค้าใน clickstream เข้าสู่ระบบแฟ้ม เนื่องจากวิธีการนี้เป็นอิสระจากเทคนิคการแสดงภาพประกอบเพลงมันสามารถใช้กับทุกเทคนิคที่ช่วยให้น้ำหนักของแอตทริบิวต์ และมัน สามารถใช้ในการแนะนำระบบที่อนุญาตให้มีคุณลักษณะหนัก วิธีการที่เคยวิธีที่เสนอ มีข้อบกพร่อง น้ำหนักสำหรับคุณลักษณะเด็ดขาดแน่วแน่ในทางที่ค่อนข้างและปฏิสัมพันธ์ระหว่างคุณลักษณะนี้จะถูกละเว้น ดังนั้นเรากำลังทำงานในวิธีที่แตกต่างกันเพื่อตรวจสอบน้ำหนักเหล่านี้ใช้รูปแบบยืดหยุ่นมากขึ้นตามการเพิ่มต้นไม้ [ 25 ] แนะนำอินเตอร์เฟซช้อปปิ้งกราฟิก เราได้แสดงวิธีหนึ่งที่สามารถมองเห็นแผนที่ใช้ร่วมกับเทคนิคแนะนำ ในกรณีนี้ มีคำแนะนำ โดยเสนอ . อย่างไรก็ตามเราคาดหวังว่า การยึดแผนที่ยังสามารถรวมเรียบร้อยแล้วกับเนื้อหาอื่น ๆ -- และฐานความรู้เทคนิคแนะนำ เช่น การวิพากษ์ ( ดู [ 70 ] บทที่ 13 )

นอกจากผสมกับชนิดอื่น ๆของคำแนะนำที่เราคิดว่ามีบางมากขึ้นความท้าทายในการแคตตาล็อกสินค้า ครั้งแรกของทั้งหมดตั้งแต่การกำหนดวิธีการแสดงแผนที่ดีที่สุด ซึ่งเป็นเรื่องของรสนิยมส่วนตัว และ เรื่องข้อมูลที่จะให้มองเห็น หนึ่งยังสามารถลองวิธีการต่างๆ เช่น การวิเคราะห์องค์ประกอบอิสระ [ 8 ] หรือฉาย pursuit [ 12 ] ความคิดที่ดีที่จะเปรียบเทียบวิธีการที่แตกต่างกันในการใช้ศึกษา ในการศึกษาครั้งนี้ได้ใช้ข้อมูลการตั้งค่าของขนาดที่เหมาะสมใช้แคตตาล็อกสินค้าขนาดใหญ่สำหรับอินสแตนซ์ มีหลายพันของผลิตภัณฑ์หมายถึงทั้งสองอัลกอริทึมที่ใช้ในการสร้างแผนที่รวมทั้งอินเตอร์เฟซที่ตัวเองควรจะสามารถรับมือกับตัวเลขเหล่านี้ นอกจากการสร้างภาพแคตตาล็อกขนาดใหญ่ของผลิตภัณฑ์ชนิดเดียว ความท้าทายอื่นอาจจะสร้างแผนที่ที่มีหลายประเภทของผลิตภัณฑ์เช่นอุปกรณ์อิเล็กทรอนิกส์ต่าง ๆ .

ขอบคุณ
เราขอขอบคุณสำหรับการเปรียบเทียบกลุ่มแคตตาล็อกสินค้าและ clickstream ล็อกไฟล์ของเรา ของพวกเขา