text comments – Comments about a si

text comments – Comments about a single item are collected and presented to the
users as a means of facilitating the decision-making process, such as in [72]. For
instance, customer’s feedback at Amazon.com or eBay.com might help users in
deciding whether an item has been appreciated by the community. Textual comments are helpful, but they can overload the active user because she must read
and interpret each comment to decide if it is positive or negative, and to what degree. The literature proposes advanced techniques from the affective computing
research area [71] to make content-based recommenders able to automatically
perform this kind of analysis.

ผลลัพธ์ (ไทย) 1:

ข้อความข้อคิดเห็นข้อคิดเห็นเกี่ยวกับรายการเดียวรวบรวม และนำเสนอต่อผู้ใช้ของการอำนวยความสะดวกในกระบวนการตัดสินใจ เช่นใน [72] สำหรับตัวอย่าง คำติชมจากลูกค้าของ Amazon.com หรือ eBay.com อาจช่วยผู้ใช้ในตัดสินใจว่า สินค้าได้ถูกชื่นชมชุมชน ความคิดเห็นเป็นข้อความมีประโยชน์ แต่พวกเขาสามารถโอเวอร์โหลดผู้ใช้งานเนื่องจากเธอต้องอ่านและตีความแต่ละข้อคิดเห็นในการตัดสินใจ ถ้าเป็นค่าบวก หรือค่าลบ และในระดับใด วรรณกรรมเสนอเทคนิคขั้นสูงจากคำนวณผลพื้นที่วิจัย [71] จะทำให้ recommenders ตามเนื้อหาได้โดยอัตโนมัติทำการวิเคราะห์ชนิดนี้

ผลลัพธ์ (ไทย) 2:

ข้อความแสดงความคิดเห็น - ความเห็นเกี่ยวกับรายการเดียวจะถูกเก็บรวบรวมและนำเสนอให้กับ
ผู้ใช้เป็นวิธีการอำนวยความสะดวกในกระบวนการตัดสินใจเช่นใน [72] สำหรับ
ตัวอย่างเช่นความคิดเห็นของลูกค้าที่หรือ eBay.com Amazon.com อาจช่วยให้ผู้ใช้ใน
การตัดสินใจว่ารายการที่ได้รับการชื่นชมจากชุมชน ความคิดเห็นเกี่ยวกับใจเป็นประโยชน์ แต่พวกเขาสามารถเกินผู้ใช้ที่ใช้งานอยู่เพราะเธอจะต้องอ่าน
และตีความแสดงความคิดเห็นแต่ละคนที่จะตัดสินใจว่ามันเป็นบวกหรือลบ, และสิ่งที่การศึกษาระดับปริญญา วรรณกรรมเสนอขั้นสูงเทคนิคจากคอมพิวเตอร์อารมณ์
วิจัย [71] เพื่อให้ Recommenders เนื้อหาตามความสามารถในการทำงานโดยอัตโนมัติ
ดำเนินการชนิดของการวิเคราะห์นี้

ผลลัพธ์ (ไทย) 3:

ข้อความความคิดเห็นและความคิดเห็นเกี่ยวกับรายการเดียวที่รวบรวมนำเสนอให้กับผู้ใช้เป็นวิธีการ
เอื้อต่อการตัดสินใจ เช่น ใน [ 72 ] สำหรับ
อินสแตนซ์ของลูกค้าความคิดเห็นที่ Amazon.com หรือ eBay.com อาจช่วยให้ผู้ใช้ใน
ตัดสินใจว่า รายการที่ได้รับความนิยม โดยชุมชน ข้อความความคิดเห็นที่เป็นประโยชน์ แต่พวกเขาสามารถเกินพิกัดของผู้ใช้งาน เพราะต้องอ่าน
และตีความแต่ละความคิดเห็นที่จะตัดสินว่ามันเป็นบวก หรือ ลบ และ ระดับไหน วรรณกรรมเสนอเทคนิคขั้นสูงจากทางคอมพิวเตอร์
[ 71 ] พื้นที่วิจัยเพื่อให้เนื้อหา recommenders อัตโนมัติสามารถแสดงชนิดของการวิเคราะห์นี้
.