Large scale virtual worlds such as

Large scale virtual worlds such as massive multiplayer online games
or 3D worlds gained tremendous popularity over the past few years.
With the large and ever increasing amount of content available, virtual
world users face the information overload problem. To tackle
this issue, game-designers usually deploy recommendation services
with the aim of making the virtual world a more joyful environment
to be connected at. In this context, we present in this paper the results
of a project that aims at understanding the mobility patterns
of virtual world users in order to derive place recommenders for
helping them to explore content more efficiently. Our study focus
on the virtual world SecondLife, one of the largest and most
prominent in recent years. Since SecondLife is comparable to realworld
Location-based Social Networks (LBSNs), i.e., users can
both check-in and share visited virtual places, a natural approach is
to assume that place recommenders that are known to work well on
real-world LBSNs will also work well on SecondLife. We have put
this assumption to the test and found out that (i) while collaborative
filtering algorithms have compatible performances in both environments,
(ii) existing place recommenders based on geographic
metadata are not useful in SecondLife.

ผลลัพธ์ (ไทย) 1:

โลกเสมือนจริงขนาดใหญ่เช่นเกมออนไลน์มัลติเพลเยอร์ขนาดใหญ่หรือโลก 3 มิติได้รับความนิยมอย่างมากไม่กี่ปีผ่านมามีขนาดใหญ่ และเพิ่มขึ้นจำนวนเนื้อหาที่พร้อมใช้งาน เสมือนผู้ใช้โลกประสบปัญหาเกินข้อมูล เพื่อรับมือกับปัญหานี้ นักออกแบบเกมมักจะปรับใช้คำแนะนำบริการมีเป้าหมายทำให้โลกเสมือนสภาพแวดล้อมที่สนุกสนานมากขึ้นการเชื่อมต่อที่ ในบริบทนี้ เรานำเสนอในเอกสารนี้ผลลัพธ์ของโครงการที่มีวัตถุประสงค์เพื่อทำความเข้าใจรูปแบบการเคลื่อนไหวของผู้ใช้เสมือนโลกเพื่อสืบทอด recommenders สถานที่สำหรับช่วยให้พวกเขาสำรวจเนื้อหาได้อย่างมีประสิทธิภาพ มุ่งเน้นศึกษาบนโลกเสมือนจริง SecondLife หนึ่งใหญ่ที่สุดและมากที่สุดโดดเด่นในปี ตั้งแต่ SecondLife เป็นเทียบกับ realworldตำแหน่งที่ตั้งเครือข่ายทางสังคม (LBSNs), เช่น ผู้ใช้สามารถทั้งเช็คอินและร่วมเยี่ยมชมสถานเสมือน วิธีการธรรมชาติเป็นสถานที่ดี recommenders ที่ทราบว่าการทำงานLBSNs จริงจะทำงานได้ดีบน SecondLife เราเลยสมมติฐานนี้ในการทดสอบ และพบว่า (i) ในขณะที่ทำงานร่วมกันอัลกอริทึมที่กรองได้แสดงกันได้ทั้งสองระบบ(ii) อยู่ที่ recommenders อิงทางภูมิศาสตร์ข้อมูลเมตาจะไม่มีประโยชน์ใน SecondLife

ผลลัพธ์ (ไทย) 2:

ขนาดใหญ่โลกเสมือนเช่นเกมออนไลน์มัลติเพลเยอร์ขนาดใหญ่
หรือโลก 3 มิติได้รับความนิยมอย่างมากในช่วงไม่กี่ปีที่ผ่านมา.
ด้วยจำนวนเงินที่มีขนาดใหญ่และเคยเพิ่มขึ้นของเนื้อหาที่มีอยู่เสมือน
ผู้ใช้ทั่วโลกประสบปัญหาข้อมูลเกินพิกัด เพื่อรับมือกับ
ปัญหานี้เกมนักออกแบบมักจะปรับใช้บริการคำแนะนำ
โดยมีจุดประสงค์ของการทำโลกเสมือนสภาพแวดล้อมที่มีความสุขมากขึ้น
ที่จะเชื่อมต่อที่ ในบริบทนี้เรานำเสนอในบทความนี้ผล
ของโครงการที่มีจุดมุ่งหมายในการทำความเข้าใจรูปแบบการเคลื่อนไหว
ของผู้ใช้โลกเสมือนจริงเพื่อให้ได้มา recommenders สถานที่สำหรับการ
ช่วยให้พวกเขาสำรวจเนื้อหามีประสิทธิภาพมากขึ้น มุ่งเน้นการศึกษาของเรา
ในโลกเสมือนจริง SecondLife ซึ่งเป็นหนึ่งในที่ใหญ่ที่สุดและมากที่สุด
ที่โดดเด่นในปีที่ผ่านมา ตั้งแต่ SecondLife ก็เปรียบได้กับ RealWorld
ตามสถานที่เครือข่ายทางสังคม (LBSNs) คือผู้ใช้สามารถ
ทั้งการเช็คอินและแบ่งปันสถานที่เสมือนเข้าเยี่ยมชมเป็นวิธีธรรมชาติ
ที่จะคิดว่า recommenders สถานที่ที่เป็นที่รู้จักกันทำงานได้ดีบน
LBSNs โลกแห่งความจริงจะ ยังทำงานได้ดีบน SecondLife เราได้ใส่
สมมติฐานนี้เพื่อทดสอบและพบว่า (i) ในขณะที่การทำงานร่วมกัน
ขั้นตอนวิธีการกรองมีการแสดงที่เข้ากันได้ทั้งในสภาพแวดล้อม,
(ii) ที่มีอยู่ recommenders สถานที่ทางภูมิศาสตร์ที่อยู่บนพื้นฐานของ
ข้อมูลเมตาไม่ได้มีประโยชน์ในการ SecondLife