Although neighborhood and factoriza

Although neighborhood and factorization based CF are
both powerful prediction methods, there are several reasons
to precede either technique with simple models that estimate
what we call “global effects.” First, there may be large
user and item effects—i.e., systematic tendencies for some
users to give higher ratings than other users and for some
items to receive higher ratings than others. The basic kNN
interpolation method detailed in equations (1)-(2) requires
ratings where user and item effects have been taken out in
order to, e.g., avoid predicting too high for low-rated items
that happen to have a lot of neighbors with high average
ratings, and vice versa.
Second, one may have access to information about either
the items or users that can benefit the model. Although
factorization offers the potential to detect such structure
through estimation of latent variables, directly incorporating
variables such as movie genre and user demographics

Kết quả (Việt) 1:

Mặc dù khu dân cư và factorization dựa trên CF làcả hai phương pháp dự báo mạnh mẽ, có rất nhiều lý dođể đứng trước hai kỹ thuật với các mô hình đơn giản ước tínhnhững gì chúng tôi gọi là "hiệu ứng toàn cầu." Đầu tiên, có thể lớnngười sử dụng và mục effects—i.e., các xu hướng có hệ thống đối với một sốngười sử dụng để cung cấp cho các xếp hạng cao hơn so với những người dùng khác và đối với một sốkhoản mục để nhận được các xếp hạng cao hơn những người khác. Cơ bản kNNphương pháp nội suy chi tiết trong phương trình (1)-(2) yêu cầuXếp hạng nơi hiệu quả sử dụng và mục đã được đưa ra trongđể, ví dụ: tránh dự đoán quá cao cho các hạng mục xếp hạng thấpđiều đó xảy ra có rất nhiều nước láng giềng với trung bình caoXếp hạng, và ngược lại.Thứ hai, một trong những có thể truy cập thông tin về một trong haiCác mặt hàng hoặc người dùng có thể hưởng lợi các mô hình. Mặc dùfactorization cung cấp tiềm năng để phát hiện các cấu trúc như vậythông qua các ước tính của các biến tiềm ẩn, trực tiếp kết hợpbiến như phim thể loại và sử dụng thông tin nhân khẩu

Kết quả (Việt) 2:

Mặc dù khu phố và nhân tử dựa CF là
cả hai phương pháp dự báo mạnh mẽ, có nhiều lý do
để đi trước một trong hai kỹ thuật với các mô hình đơn giản mà ước
gì chúng ta gọi là "hiệu ứng toàn cầu." Đầu tiên, có thể có lớn
người dùng và mục hiệu ứng tức, xu hướng có hệ thống đối với một số
người sử dụng để cung cấp cho xếp hạng cao hơn so với những người dùng khác và đối với một số
mặt hàng để nhận được xếp hạng cao hơn so với những người khác. Các KNN cơ bản
phương pháp nội suy chi tiết trong phương trình (1) - (2) yêu cầu
xếp hạng, nơi người dùng và mục hiệu ứng đã được đưa ra trong
trật tự để, ví dụ, tránh việc dự đoán quá cao đối với các mặt hàng thấp đánh giá
điều đó xảy ra có rất nhiều người hàng xóm với trung bình cao
xếp hạng, và ngược lại.
thứ hai, người ta có thể có quyền truy cập vào thông tin về một trong hai
mặt hàng hoặc người sử dụng có thể có lợi cho mô hình. Mặc dù
thừa cung cấp tiềm năng để phát hiện cấu trúc như vậy
thông qua dự toán của các biến tiềm ẩn, trực tiếp kết hợp
các biến số như thể loại phim và nhân khẩu người dùng