MSD offers both a great advantage a

MSD offers both a great advantage and a great disadvantage at the same time; the advantage is that it generates very good general results: low average error, high percentage of correct predictions and low percentage of incorrect predictions: the disadvantage is that it has an intrinsic tendency to choose as similar users to one given user those users who have rated a very small number of items [35], e.g. if we have 7 items that can be rated from 1 to 5 and three users u1, u2, u3 with the following ratings: u1: (, , 4, 5, , , ), u2: (3, 4, 5, 5, 1, 4, ), u3: (3, 5, 4, 5, , 3, ) ( means not rated item), the MSD metric will indicate that (u1,u3) have a total similarity (0), (u1,u2) have a similarity 0.5 and (u2,u3) have a lower similarity (0.6). This situation is not convincing, as intuitively we realize u2 and u3 are very similar, whilst u1 is only similar to u2 and u3 in 2 ratios, and, therefore, it is not logical to choose it as the most similar to them, and what is worse, if it is chosen it will not provide us with possibilities to recommend new items.

결과 (한국어) 1:

MSD; 동시에 큰 장점과 큰 단점이 모두 제공 장점은 아주 좋은 일반적인 결과 생성: 낮은 평균 오류, 정확한 예측의 높은 백분율 및 잘못 된 예측의 낮은 비율: 단점은 비슷한 사용자 지정 하나의 사용자로 사용자 항목 [35]의 매우 작은 숫자 예: 평가 선택 하는 본질적인 경향이 있다는 우리가 7 항목을 1에서 5와 3 개의 사용자 u 1에 평가 될 수 있다면 u2, u3 다음 등급: u1: (, 4, 5,), u 2: (3, 4, 5, 5, 1, 4,), u3: (3, 5, 4, 5, 3,) (의미 평가 되지 않는 항목), MSD 통계는 (u1, u3) 표시 됩니다 총 유사성 (0), (u1, u2) 유사성 0.5와 (u2, u3) (0.6) 낮은 유사성을가지고. 이 경우는 직관적으로 우리는 u 2와 u 3는 매우 유사 하다 니 u 1은 u 2와 2 비율, u 3와 비슷합니다만, 따라서, 그것은 논리적으로 가장 유사한, 그들에 게 더 나쁜, 그것을 선택 하 경우 그것은 새로운 상품을 추천 하는 가능성으로 우리에 게 제공 하지 않습니다 선택 실현으로 설득력이 없다.

결과 (한국어) 2:

MSD는 큰 이점 동시에 큰 단점을 모두 구비하고; 낮은 평균 오차, 정확한 예측과 잘못된 예측의 낮은 비율의 높은 비율 : 장점은 아주 좋은 일반적인 결과를 생성하는 것입니다 단점이 사용자 주어진 하나와 유사한 사용자를 선택할 수있는 고유 경향이 있다는 것입니다 평가 한 해당 사용자 항목 극소수 [35] 예를 들어, 우리는 (1)로부터 다음과 같은 등급 5 세 사용자 U1, U2, U3로 평가 될 수있다 (7) 항목이있는 경우 : U1 : (4, 5,,,)을 U2 (3, 4, 5, 5, 1, 4), U3 (3, 5, 4, 5, 3) (평가되지 수단 항목)는 MSD 메트릭은 (U1, U3)를 나타내는 것 총 유사성 (0), (U1, U2)가 낮은 유사성 (0.6)가 유사성 0.5 (U2, U3)가 있습니다. 이러한 상황 때문에, 가장들을 유사하게, 무엇으로 선택할 논리없고, 직관적으로, 우리는 U2를 실현 U1 2 비율에서 U2 및 U3 만 비슷 동안 U3은 매우 비슷 유도되지 않고, 더 나쁜,이 선택된 경우 그것은 새로운 아이템을 추천 할 가능성을 우리에게 제공하지 않습니다.