Jiang and his colleagues proposed a

Jiang and his colleagues proposed a probabilistic
factor analysis framework, which fuses
users’ preference and social influence together.
Furthermore, they have also investigated the
social recommendation problem in a multiple
domain setting. Most of these works are based
on traditional content-based filtering or CFbased
methods, and their common goal is to
embed social information into traditionalmethods
to improve the recommendation accuracy.
However, few authors have targeted the problem
of how to learn a new common representation
for users and items in social networks, which is
indeed feasible and important for boosting
social recommendation performance.

ผลลัพธ์ (ไทย) 1:

เจียงและทีมงานนำเสนอที่น่าจะกรอบวิเคราะห์ปัจจัย ซึ่งฟิวส์กำหนดลักษณะของผู้ใช้และสังคมร่วมกันมีอิทธิพลต่อนอกจากนี้ พวกเขาได้สืบสวนการปัญหาแนะนำทางสังคมในหลายการตั้งค่าโดเมน ส่วนใหญ่ของผลงานเหล่านี้จะขึ้นกรองเนื้อหาตามแบบดั้งเดิมหรือ CFbasedวิธีการและเป้าหมายของพวกเขาทั่วไปคือการฝังข้อมูลสังคมลงใน traditionalmethodsการปรับปรุงความถูกต้องของคำแนะนำอย่างไรก็ตาม ไม่กี่ผู้เขียนได้กำหนดปัญหาวิธีการเรียนรู้การแสดงทั่วไปใหม่สำหรับผู้ใช้และรายการในเครือข่ายสังคม ซึ่งเป็นสามารถทำได้แน่นอน และสิ่งสำคัญสำหรับการส่งเสริมประสิทธิภาพที่แนะนำทางสังคม

ผลลัพธ์ (ไทย) 2:

เจียงและเพื่อนร่วมงานของเขาน่าจะเสนอ
กรอบการวิเคราะห์ปัจจัยที่ฟิวส์
การตั้งค่าของผู้ใช้และมีอิทธิพลต่อสังคมร่วมกัน.
นอกจากนี้พวกเขามีการสอบสวนยังมี
ปัญหาข้อเสนอแนะทางสังคมในหลาย
การตั้งค่าโดเมน ที่สุดของผลงานเหล่านี้จะขึ้น
อยู่กับการกรองเนื้อหาตามแบบดั้งเดิมหรือ CFbased
วิธีการและเป้าหมายร่วมกันของพวกเขาคือการ
ฝังข้อมูลทางสังคมใน traditionalmethods
เพื่อปรับปรุงความแม่นยำข้อเสนอแนะ.
แต่ผู้เขียนไม่กี่มีการกำหนดเป้าหมายปัญหา
ของวิธีการที่จะเรียนรู้การแสดงร่วมกันใหม่
สำหรับ ผู้ใช้และรายการในเครือข่ายทางสังคมซึ่งเป็น
จริงที่เป็นไปได้และมีความสำคัญสำหรับการส่งเสริม
ประสิทธิภาพการแนะนำทางสังคม

ผลลัพธ์ (ไทย) 3:

เจียงและเพื่อนร่วมงานของเขาเสนอเชิงความน่าจะเป็นกรอบการวิเคราะห์ที่ฟิวส์การตั้งค่าของผู้ใช้และอิทธิพลของสังคมเข้าด้วยกันนอกจากนี้ พวกเขายังได้สืบสวนปัญหาข้อเสนอแนะในสังคมหลาย ๆการตั้งค่าโดเมน ที่สุดของงานเหล่านี้เป็นฐานในแบบดั้งเดิมเนื้อหาการกรองหรือ cfbasedวิธีการและเป้าหมายร่วมกันของพวกเขาคือฝังลงใน traditionalmethods ข้อมูลทางสังคมปรับปรุงรับรองความถูกต้องอย่างไรก็ตาม ผู้เขียนมีเป้าหมาย ปัญหาน้อยวิธีการเรียนรู้การแสดงร่วมกันใหม่สำหรับผู้ใช้และรายการในสังคมเครือข่าย ซึ่งเป็นแน่นอนเป็นไปได้ และที่สำคัญสำหรับส่งเสริมผลงานแนะนำสังคม