22.1 IntroductionAggregation of pre

22.1 Introduction

Aggregation of preferences, criteria or similarities happens at various stages in recommender systems. Typically such aggregation is done by using either the arithmetic mean or maximum/minimum functions. Many other aggregation functions
which would deliver flexibility and adaptability towards more relevant recommendations are often overlooked. In this chapter we will review the basics of aggregation functions and their properties, and present the most important families, including generalized means, Choquet and Sugeno integrals, ordered weighted averaging,
triangular norms and conorms, as well as bipolar aggregation functions. Such functions can model various interactions between the inputs, conjunctive, disjunctive
and mixed behavior. Following, we present different methods of construction of aggregation functions, based either on analytical formulas, algorithms, or empirical
data. We discuss how parameters of aggregation functions can be fitted to observed

ผลลัพธ์ (ไทย) 1:

22.1 แนะนำรวมลักษณะ เกณฑ์ หรือความเหมือนในขั้นตอนต่าง ๆ ที่เกิดขึ้นในผู้แนะนำระบบ โดยทั่วไปรวมดังกล่าวจะทำ โดยใช้ค่าเฉลี่ยเลขคณิตหรือฟังก์ชันสูงสุด/ต่ำสุด ฟังก์ชันการรวมอื่น ๆ มากมายซึ่งจะส่ง flexibility และหลากหลายต่อคำแนะนำที่เกี่ยวข้องที่มักจะมองข้าม ในบทนี้ เราจะทบทวนพื้นฐานของการรวมฟังก์ชันและคุณสมบัติ และปัจจุบันครอบครัวสำคัญที่สุด รวมทั้งเมจแบบทั่วไปหมายถึง Choquet และ Sugeno ปริพันธ์ สั่งถ่วงน้ำหนักหาค่าเฉลี่ยสามเหลี่ยมบรรทัดฐาน และ conorms ตลอดจนฟังก์ชันรวมไฟที่ไบโพลาร์ ฟังก์ชันดังกล่าวสามารถรูปแบบต่าง ๆ การโต้ตอบระหว่างอินพุต conjunctive, disjunctiveและลักษณะการทำงานแบบผสม ต่อไปนี้ เรานำเสนอวิธีการก่อสร้างรวม ฟังก์ชัน ตามวิเคราะห์สูตร อัลกอริทึม หรือประจักษ์ข้อมูล เจรจาพารามิเตอร์ของฟังก์ชันการรวมจะ fitted ให้สังเกต

ผลลัพธ์ (ไทย) 2:

22.1 บทนำรวมของการตั้งค่าเกณฑ์หรือคล้ายคลึงกันเกิดขึ้นในขั้นตอนต่างๆในระบบ recommender โดยปกติการรวมตัวดังกล่าวจะกระทำโดยใช้ค่าเฉลี่ยหรือสูงสุด / ฟังก์ชั่นขั้นต่ำ หลายฟังก์ชั่นการรวมตัวอื่น ๆซึ่งจะส่งมอบความยืดหยุ่นและการปรับตัวต่อข้อเสนอแนะที่เกี่ยวข้องมากขึ้นมักจะมองข้าม ในบทนี้เราจะตรวจสอบข้อมูลเบื้องต้นเกี่ยวกับฟังก์ชั่นการรวมตัวและคุณสมบัติของพวกเขาและนำเสนอครอบครัวที่สำคัญที่สุดรวมถึงวิธีการทั่วไป, Choquet และ Sugeno ปริพันธ์สั่งเฉลี่ยถ่วงน้ำหนักบรรทัดฐานสามเหลี่ยมและ conorms เช่นเดียวกับฟังก์ชั่นการรวมสองขั้ว ฟังก์ชั่นดังกล่าวสามารถจำลองการมีปฏิสัมพันธ์ระหว่างปัจจัยการผลิตต่างๆ, เชื่อม, disjunctive พฤติกรรมและการผสม ต่อไปนี้เราจะนำเสนอวิธีการที่แตกต่างกันของการก่อสร้างของฟังก์ชั่นการรวมตัวตามทั้งในสูตรการวิเคราะห์ขั้นตอนวิธีเชิงประจักษ์หรือข้อมูล เราหารือถึงวิธีพารามิเตอร์ของฟังก์ชั่นการรวมสามารถ Fi tted การสังเกต

ผลลัพธ์ (ไทย) 3:

22.1 แนะนำ

รวมของการตั้งค่า , เกณฑ์หรือคล้ายคลึงกันเกิดขึ้นในขั้นตอนต่าง ๆในระบบแนะนำ . โดยทั่วไปเช่นการทำโดยการใช้แบบสอบถาม หรือฟังก์ชันสูงสุด / ต่ำสุด ฟังก์ชันการรวมอื่น ๆอีกมากมาย
ซึ่งจะส่งมอบ exibility flและการปรับตัวต่อข้อเสนอแนะเพิ่มเติมที่เกี่ยวข้องมักจะมองข้ามในบทนี้เราจะทบทวนพื้นฐานของฟังก์ชันการรวมและคุณสมบัติของพวกเขาและปัจจุบันครอบครัวสำคัญที่สุด รวมทั้งตัวหมายความว่า choquet sugeno integrals และสั่งถัวเฉลี่ย
แบบสามเหลี่ยมและ conorms เช่นเดียวกับแบบรวมฟังก์ชัน ฟังก์ชันดังกล่าวสามารถรูปแบบปฏิสัมพันธ์ระหว่างปัจจัยต่าง ๆที่เชื่อมต่อกันดิซจัง
, ,และพฤติกรรมการผสม ต่อไปนี้ เราจะนำเสนอวิธีการที่แตกต่างกันในการสร้างฟังก์ชันการรวม โดยให้วิเคราะห์สูตร ขั้นตอนวิธี หรือเชิงประจักษ์
ข้อมูล เราหารือถึงวิธีการที่พารามิเตอร์ของฟังก์ชันการรวม สามารถถ่ายทอด tted เพื่อสังเกต