Recomendacion De Productos Metricas
Basado en filtros de recuperación
Los sistemas de recomendación de productos se han construido en el que
preferencias de los clientes y los requisitos secodifican utilizando
lo que vamos a llamar a los filtros. Los filtros son absoluta: productos, ya sea satisfacerlas o no lo hacen. Sólo los productos que satisfacen la
filtros se recomienda a losclientes.
por ejemplo, los predicados tales como la igualdad y la desigualdad
se puede utilizar para comparar un valor de atributo en el caso c para un
el valor proporcionado por el cliente, porejemplo, transporte (c) 6 = entrenador. En el caso de atributos cuyos tipos están ordenados, que, además, puede usar <,> y, por ejemplo, precio (c) <900. Filtros locales
(en losatributos individuales) puede estar compuesta en un mundial
filtrar (en los casos enteros), por ejemplo, utilizando conjuntamente.
Los problemas con el filtro basado en recuperación para el productorecomendaciones están bien documentados.
Similitud basada en recuperación
La comunidad CBR ha sido pionero en una forma alternativa de la construcción de sistemas de recomendación de productos,utilizando medidas de similitud.
Un cliente suministra los valores ideales para algunos o todos los atributos. El grado de similitud entre atributo Los valores en los casos y estos valores ideales puede calcularsepor las medidas de similitud locales. El grado de similitud de los casos en la base de caso a caso ideal se calcula mediante una medida de similitud global que agrupa los títulos locales desimilitud. Los casos con los más altos grados de similitud para el caso ideal es el que debe recomendar a la cliente. (Hay variantes de este enfoque, el más notable siendo el que está incorporado en el sistemade plato principal; vamos a discutir esto en una sección posterior de este documento.)
La ventaja bien reconocida sobre el filtro basado en recuperación es que el conjunto de resultados que...
Regístrate para leer el documento completo.