Collaborative tagging and social search are among the most successfuls การแปล - Collaborative tagging and social search are among the most successfuls ไทย วิธีการพูด

Collaborative tagging and social se

Collaborative tagging and
social search are among
the most successful
social media and “wisdom of
crowds” applications in which users
annotate webpages or other resources
using tags. Such tags are
shared among users and can be explored
to enable a range of information
retrieval and recommendation
capabilities. One major obstacle hindering
the adoption of tagging-based
systems or services is the presence
of noises and ambiguities in userprovided
tags. In their article “Modeling
Social Annotations via Latent
Reason Identification,” Xiance Si,
Zhiyuan Liu, and Maosong Sun propose
the Tag Allocation Model to
tackle this challenge. They show their
generative model delivers good performance
in tag recommendations
and tag-hierarchy discovery.
Three-dimensional virtual worlds
such as Second Life have drawn a lot
of attention from research communities
and the industry. User-generated
social media content through avatars
abounds in virtual worlds. Yet, systematic
data collection from this relatively
new social media channel and
behavioral analysis of avatars have
been underexplored. Yulei Zhang,
Ximing Yu, Yan Dang, and Hsinchun
Chen’s article “An Integrated Framework
for Avatar Data Collection
from the Virtual World” proposes an
integrated approach that combines
bot- and spider-based techniques to
collect avatar behavioral and profile
data. They also report empirical findings
examining differences in avatar
behavior based on avatar gender and
age


“Using Social Media to Predict
Future Events with Agent-Based
Markets” by Efthimios Bothos,
Dimitris Apostolou, and Gregoris
Mentzas proposes a prediction
market approach using computational
agents as opposed to human
participants. Such agents embody
human-user sentiments—as well as
their knowledge, beliefs, and assessments,
all extracted from social media—
and participate in prediction
markets to predict future events.
This type of automated approach
could potentially overcome implementation
difficulties associated
with standard “wisdom of crowds”
approaches such as prediction markets
with human participants.
0/5000
จาก: -
เป็น: -
ผลลัพธ์ (ไทย) 1: [สำเนา]
คัดลอก!
ติดป้ายร่วม และ
มีค้นหาทางสังคม
ประสบความสำเร็จมากที่สุด
สื่อสังคม และ "ภูมิปัญญาของ
ฝูงชน" งานในผู้ใช้
อธิบายประกอบเว็บเพจหรือแหล่งข้อมูลอื่น ๆ
ใช้แท็ก แท็กเช่น
ร่วมกันระหว่างผู้ใช้ และสามารถสำรวจ
ให้ช่วงของข้อมูล
เรียกและคำแนะนำ
ความสามารถ อุปสรรคสำคัญที่ขัดขวางหนึ่ง
รับติดป้ายตาม
ระบบหรือบริการมีอยู่
เสียงและ ambiguities ใน userprovided
แท็ก ในบทความของ "โมเดล
คำอธิบายสังคมผ่านแฝงอยู่
เหตุผลรหัส, " ศรี Xiance,
หลิวจี้หยวน และซัน Maosong เสนอ
แบบปันส่วนแท็กการ
แสวงความท้าทายนี้ พวกเขาแสดงความ
แบบ generative ให้ประสิทธิภาพดี
ในแท็กแนะนำ
และค้นพบลำดับชั้นแท็ก
โลกเสมือนสามมิติ
เช่นเซคันด์ไลฟ์มีออกมาก
ความสนใจจากชุมชนวิจัย
และอุตสาหกรรม สร้างผู้ใช้
เนื้อหาสังคมผ่านอวตาร
รโมในโลกเสมือน ยัง ระบบ
รวบรวมข้อมูลจากนี้ค่อนข้าง
ช่องสังคมใหม่ และ
ได้วิเคราะห์พฤติกรรมของอวตาร
รับ underexplored Yulei Zhang,
Ximing Yu แดงยาน และ Hsinchun
บทความของเฉิน "กรอบการรวม
สำหรับเก็บรวบรวมข้อมูลของ Avatar
จากโลกเสมือน" เสนอการ
รวมวิธีที่รวม
ตามโบสถ์ และแมงมุมเทคนิคการ
อวตารพฤติกรรมและโพรไฟล์
ข้อมูล พวกเขายังรายงานพบประจักษ์
ตรวจสอบความแตกต่างในอวตาร
พฤติกรรมตามเพศอวตาร และ
อายุ


"ใช้สื่อสังคมการ Predict
เหตุการณ์ในอนาคต ด้วยใช้ตัวแทน
ตลาด" โดย Efthimios Bothos,
Dimitris Apostolou และ Gregoris
Mentzas เสนอการคาดการณ์
ตลาดวิธีใช้คำนวณ
ตัวแทนจำกัดบุคคล
ร่วมด้วย รวบรวมตัวแทนดังกล่าว
บุคคลผู้รู้สึกตัวเป็น
ความรู้ ความเชื่อ และประเมิน ผล,
ทั้งหมดแยกจากสังคม —
และร่วมทายผล
ตลาดเพื่อทำนายเหตุการณ์ในอนาคต
วิธีอัตโนมัติชนิดนี้
อาจสามารถเอาชนะงาน
ปัญหาที่เชื่อมโยง
กับมาตรฐาน "ภูมิปัญญาของฝูงชน"
วิธีเช่นคาดเดาตลาด
กับมนุษย์ผู้เข้าร่วมได้
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 2:[สำเนา]
คัดลอก!
การติดแท็กร่วมกันและ
การค้นหาทางสังคมอยู่ในหมู่ผู้
ที่ประสบความสำเร็จมากที่สุดใน
สื่อสังคมและ "ภูมิปัญญาของ
ฝูงชน "การใช้งานที่ผู้ใช้
อธิบายหน้าเว็บหรือทรัพยากรอื่น ๆ ที่
ใช้แท็ก แท็กดังกล่าวจะถูก
ใช้ร่วมกันระหว่างผู้ใช้และสามารถสำรวจ
เพื่อให้ช่วงของข้อมูล
และข้อเสนอแนะการดึง
ความสามารถ หนึ่งในอุปสรรคสำคัญที่ขัดขวาง
การรับเลี้ยงบุตรบุญธรรมของการติดแท็กที่ใช้
ระบบหรือบริการคือการปรากฏตัว
ของเสียงและงงงวยใน userprovided
แท็ก ในบทความของพวกเขา "การสร้างแบบจำลอง
บันทึกย่อสังคมผ่านแฝง
การระบุเหตุผล "Xiance ศรี
Zhiyuan หลิวและ Maosong อาทิตย์เสนอ
รุ่นแท็กการจัดสรรเพื่อ
รับมือกับความท้าทายนี้ พวกเขาแสดงของพวกเขา
รูปแบบการกำเนิดประสิทธิภาพการทำงานที่ดี
ในการแนะนำแท็ก
และการค้นพบแท็กลำดับชั้นของ
โลกเสมือนสามมิติ
เช่นชีวิตที่สองได้วาดจำนวนมาก
ของความสนใจจากชุมชนการวิจัย
และอุตสาหกรรม ที่ผู้ใช้สร้าง
เนื้อหาของสื่อทางสังคมผ่านรูป
abounds ในโลกเสมือนจริง ยังเป็นระบบ
การเก็บรวบรวมข้อมูลจากนี้ค่อนข้าง
ใหม่ช่องทางสื่อสังคมและ
การวิเคราะห์พฤติกรรมของอวตารได้
รับ underexplored Yulei Zhang,
Ximing ยูยันแดงและ Hsinchun
บทความของเฉิน "แบบบูรณาการกรอบ
รูปสำหรับการเก็บรวบรวมข้อมูล
จากโลกเสมือนจริง "เสนอ
วิธีการแบบบูรณาการที่ผสมผสาน
เทคนิคการ bot- และแมงมุมที่ใช้ในการ
เก็บรวบรวม avatar พฤติกรรมและรายละเอียด
ข้อมูล พวกเขายังรายงานผลการทดลอง
การตรวจสอบความแตกต่างใน avatar
พฤติกรรมตามเพศ avatar และ
อายุ"การใช้สื่อสังคมเพื่อทำนายเหตุการณ์ในอนาคตที่มีตัวแทนตามตลาด "โดย Efthimios Bothos, ดิมิท Apostolou และ Gregoris Mentzas เสนอการคาดการณ์ของตลาดโดยใช้วิธีการคำนวณตัวแทนตรงข้าม มนุษย์ผู้เข้าร่วม ตัวแทนดังกล่าวรวบรวมความรู้สึกเป็นมนุษย์ของผู้ใช้ทั้งความรู้ความเชื่อและการประเมินผลทั้งหมดที่สกัดจากสื่อการทางสังคมและมีส่วนร่วมในการคาดการณ์ของตลาดที่จะคาดการณ์เหตุการณ์ในอนาคตประเภทของวิธีการแบบอัตโนมัตินี้อาจจะเอาชนะการดำเนินการปัญหาที่เกี่ยวข้องกับ "ปัญญามาตรฐาน ของฝูงชน " แนวทางดังกล่าวเป็นตลาดคาดการณ์กับผู้เข้าร่วมของมนุษย์




















การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 3:[สำเนา]
คัดลอก!
แท็กค้นหาสังคมร่วมกันและ


ของที่ประสบความสำเร็จมากที่สุดสื่อสังคมและ " ปัญญาของฝูงชน
" การใช้งานที่ผู้ใช้หน้าเว็บหรือทรัพยากรอื่น ๆ

อธิบายโดยใช้แท็ก แท็กดังกล่าว
ร่วมกันระหว่างผู้ใช้ และสามารถสำรวจ
เพื่อให้ช่วงของการดึงข้อมูลและความสามารถแนะนำ

หนึ่งอุปสรรคที่ขัดขวางการยอมรับหลัก

ตัวตามระบบหรือบริการคือการปรากฏตัวของเสียงและงงงวยใน userprovided

Tags ในบทความ " การบันทึกย่อสังคมผ่านการระบุเหตุผลแฝง

" xiance Si
Zhiyuan Liu และ เ าซงซันเสนอ


แท็กรูปแบบการต่อสู้กับความท้าทายนี้ พวกเขาแสดงรูปแบบของพวกเขา

เข้ามอบประสิทธิภาพที่ดีในแท็กและแท็กแนะนำ

ลำดับชั้นของการค้นพบโลกเสมือนจริง 3 มิติ
เช่นชีวิตที่สองได้วาดมาก

น่าสนใจจากการวิจัยชุมชนและอุตสาหกรรม ผู้ใช้สร้างเนื้อหาของสื่อทางสังคมผ่าน
avatar
abounds ในโลกเสมือน แต่ การเก็บรวบรวมข้อมูลอย่างเป็นระบบ จาก

ค่อนข้างใหม่สังคมสื่อช่องทาง และการวิเคราะห์พฤติกรรมของ avatar ได้

มา underexplored . yulei Zhang ,
ximing ยู ยันแดง และ hsinchun
เฉิน บทความ " เป็นกรอบบูรณาการ

รวบรวมข้อมูลสำหรับ Avatar จากโลกเสมือน " นำเสนอแนวทางบูรณาการที่รวม

บอทและแมงมุมตามเทคนิค
เก็บ Avatar และพฤติกรรมศาสตร์
โปรไฟล์ข้อมูล พวกเขายังมีรายงานเชิงประจักษ์พบความแตกต่างใน avatar

ตรวจสอบพฤติกรรมตามเพศและอายุ

avatar

" การใช้สื่อสังคมเพื่อทำนายเหตุการณ์ในอนาคตกับตัวแทนตาม

ตลาด " โดย efthimios bothos
Dimitris , apostolou และ gregoris

mentzas เสนอการทำนายตลาดวิธีการที่ใช้ตัวแทนคอมพิวเตอร์

เป็นนอกคอกของผู้เข้าร่วม เช่นตัวแทนรวบรวมผู้ใช้มนุษย์เช่นเดียวกับความรู้สึก

ความรู้ ความเชื่อ และการประเมินผล
ทั้งหมดสกัดจากสื่อสังคม --

และมีส่วนร่วมในการทำนายตลาดทำนายเหตุการณ์ในอนาคต .

วิธีการอัตโนมัติของประเภทนี้สามารถเอาชนะปัญหาที่เกี่ยวข้องกับมาตรฐานการใช้

" ปัญญาของฝูงชน "

วิธีเช่นการทำนายตลาด ด้วย คน เข้าร่วมโครงการ
การแปล กรุณารอสักครู่..
 
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.

Copyright ©2024 I Love Translation. All reserved.

E-mail: