Fuzzy set theory offers a rich spec

Fuzzy set theory offers a rich spectrum of methods for the management of non-stochastic uncertainty. It is well suited to handling imprecise information, the un-sharpness of classes of objects or situations,
and the gradualness of preference profiles[45].In[46], an item in a recommender system was represented as a fuzzy set over an assertion set.
The value of a feature or attribute for an item is a fuzzy set over the subset of the assertions relevant to the feature. The user's intentional preferences are represented as a basic preference module, which is the
ordered weighted averaging of components that can evaluate items.
The user's extensional preferences are expressed as a fuzzy set over
the user's experienced items whose membership degrees are the ratings. Based on the representation, the preference for an item by a user
can be inferred. In[45,47], a feature set for items and a set of values
for each feature are defined. The items are represented as the fuzzy subset over the values, denoted by a feature vector.

Kết quả (Việt) 1:

Lý thuyết tập mờ này cung cấp một phổ phong phú của các phương pháp cho việc quản lý của sự không chắc chắn không phải là ngẫu nhiên. Nó là rất thích hợp để xử lý các thông tin không chính xác, độ sắc nét bỏ của các lớp học của các đối tượng hoặc các tình huống,và gradualness tùy chọn cấu hình [45]. [46], mục trong một hệ thống các được đại diện như một mờ trên một bộ khẳng định.Giá trị của một tính năng hoặc các thuộc tính cho một mục là một tập mờ trên tập hợp con của khẳng định có liên quan đến các tính năng. Tuỳ chọn cố ý của người dùng được đại diện như là một mô-đun cơ bản ưu tiên, đó là cácĐặt hàng trung bình trọng số của các thành phần có thể đánh giá các mặt hàng.Sở thích của người dùng extensional được thể hiện như một mờ trongngười sử dụng của kinh nghiệm mục mà độ thành viên là xếp hạng. Dựa trên cách trình bày, ưu tiên cho mục của người dùngcó thể suy ra. [45,47], một tính năng thiết lập cho mục và một bộ các giá trịcho mỗi tính năng được xác định. Các mục được biểu diễn như là tập con mờ hơn các giá trị, được biểu thị bằng một vectơ tính năng.

Kết quả (Việt) 2:

Lý thuyết tập mờ cung cấp một phổ phong phú của các phương pháp để quản lý không chắc chắn không ngẫu nhiên. Nó rất thích hợp để xử lý các thông tin không chính xác, un-độ sắc nét của các lớp học của các đối tượng hoặc các tình huống,
và sự từ từ của các cấu sở thích [45] .Tại [46], một mục trong một hệ thống recommender được biểu diễn như là một tập mờ trên một khẳng định bộ.
giá trị của một tính năng hoặc thuộc tính cho một mục là một tập mờ trên các tập hợp con của các khẳng định có liên quan đến tính năng này. Sở thích cố ý của người sử dụng được biểu diễn như là một mô-đun thích cơ bản, đó là
trung bình gia quyền ra lệnh cho các thành phần mà có thể đánh giá các mặt hàng.
Sở thích extensional của người dùng được thể hiện như là một tập mờ trên
mặt giàu kinh nghiệm của người sử dụng mà độ thành viên là xếp hạng. Dựa vào biểu diễn, sự ưu đãi cho một mục của một người sử dụng
có thể được suy ra. Trong [45,47], một tính năng thiết lập cho các mặt hàng và một tập các giá trị
cho mỗi đối tượng được xác định. Các mục được biểu diễn như là các tập con mờ qua các giá trị, biểu hiện bằng một vector đặc trưng.