다음은 4번 사용자와 5번 사용자를 추가한 상태에서, Slope One 알고리즘을 적용한 예시입니다.

1. 아이템 간 평가 차이 계산

우선 A, B, C 각각의 음식 간 평가 차이를 계산합니다.

• A와 B의 차이:

  • 사용자 1: 5−4=1

    5−4=15 - 4 = 1

  • 사용자 2: 4−3=1

    4−3=14 - 3 = 1

  • 사용자 3: 6−5=1

    6−5=16 - 5 = 1

  • 사용자 4: 3−2=1

    3−2=13 - 2 = 1

  • 평균 차이 = 41+1+1+1​=1

    1+1+1+14=1\frac{1 + 1 + 1 + 1}{4} = 1

• A와 C의 차이:

  • 사용자 1: 3−4=−1

    3−4=−13 - 4 = -1

  • 사용자 2: 2−3=−1

    2−3=−12 - 3 = -1

  • 사용자 3: 4−5=−1

    4−5=−14 - 5 = -1

  • 사용자 4: 1−2=−1

    1−2=−11 - 2 = -1

  • 평균 차이 = 4−1+(−1)+(−1)+(−1)​=−1

    −1+(−1)+(−1)+(−1)4=−1\frac{-1 + (-1) + (-1) + (-1)}{4} = -1

2. 사용자 5에 대한 예측

• 사용자 5는 A 음식에 4점을 부여했지만, B와 C에 대한 평가는 없습니다. Slope One 알고리즘을 이용해 B와 C에 대한 예상 점수를 예측할 수 있습니다.
• B 음식에 대한 예측:
  • A와 B의 평균 차이는 1점이므로, A 음식의 평가에 1을 더하여 예측합니다.
  • predicted rating for B=4+1=5\text{predicted rating for B} = 4 + 1 = 5predicted rating for B=4+1=5
• C 음식에 대한 예측:
  • A와 C의 평균 차이는 -1점이므로, A 음식의 평가에서 1을 빼서 예측합니다.
  • predicted rating for C=4−1=3\text{predicted rating for C} = 4 - 1 = 3predicted rating for C=4−1=3

따라서, 사용자 5가 A에 4점을 준 것을 기반으로 B 음식의 예상 점수는 5점, C 음식의 예상 점수는 3점으로 예측할 수 있습니다.

이처럼 Slope One 알고리즘은 다른 사용자들의 평가 데이터를 기반으로, 평가하지 않은 음식(레시피)에 대한 예상 점수를 계산하는 방식으로 작동합니다.