Recommendation system is a specic

Recommendation system is a specic type of information ltering technique that attempts to present
information items (such as movies, music, web sites, news) that are likely of interest to the user.
It is of great importance for the success of e-commerce and IT industry nowadays, and gradually
gains popularity in various applications (e.g. Net
ix project, Google news, Amazon). Intuitively, a
recommendation system builds up a user's prole based on his/her past records, and compares it
with some reference characteristics, and seeks to predict the `rating' that a user would give to an
item he/she had not yet evaluated. In most cases, the recommendation system corresponds to a
large-scale data mining problem.
Based on the choice of reference characteristics, a recommendation system could be based on
content-based approach or collaborative ltering (CF) approach (see [1]) or both. As their names
indicate, content-based approach is based on the matching" of user prole and some specic characteristics
of an item (e.g.the occurrence of specic words in a document) while collaborative ltering
approach is a process of ltering information or pattern based on the collaboration of users, or the
similarity between items. In this project, we build a recommendation system based on multiple
collaborative ltering (CF) approaches and their mixture, using part of Net
ix project data as an
example.
The remaining part of this report is organized as follows: in Section 2, we reformulate the Net
ix
project and use it to test the proposed algorithm in Section 3; in Section 3, we propose various
CF algorithms to solve this problem; the experimental results are demonstrated in Section 4. We
conclude the current results and propose future work at last.

ผลลัพธ์ (ไทย) 1:

ระบบคำแนะนำเป็นชนิด c speci เทคนิค ltering ข้อมูลที่พยายามนำเสนอข้อมูลสินค้า (เช่นภาพยนตร์ เพลง เว็บไซต์ ข่าว) ที่มีแนวโน้มที่น่าสนใจให้กับผู้ใช้เป็นของสำคัญยิ่งสำหรับความสำเร็จของพาณิชย์อิเล็กทรอนิกส์และอุตสาหกรรมในปัจจุบัน และค่อย ๆรับความนิยมในการใช้งานต่าง ๆ (เช่นสุทธิix โครงการ ข่าว Google อเมซอน) สังหรณ์ใจ การแนะนำระบบสร้างผู้เลอโปตามเรกคอร์ดเขา/เธอผ่านมา และเปรียบเทียบมีลักษณะบางอ้างอิง และพยายามที่จะทำนาย 'จัดอันดับ' ที่ผู้ใช้จะให้เป็นสินค้าเขาก็ไม่ ได้มีประเมิน ในกรณีส่วนใหญ่ ระบบข้อเสนอแนะที่สอดคล้องกับการปัญหาการทำเหมืองข้อมูลขนาดใหญ่ขึ้นอยู่กับการเลือกลักษณะการอ้างอิง ระบบข้อเสนอแนะสามารถยึดปฏิบัติตามเนื้อหา หรือวิธีการทำงานร่วมกัน ltering (CF) (ดู [1]) หรือทั้งสอง เป็นชื่อของพวกเขาบ่งชี้ ตามเนื้อหาวิธีตาม matching"ผู้เลอโปและบางลักษณะ c speciของสินค้า (e.g.the เกิด speci คำ c ในเอกสาร) ในขณะที่ ltering ร่วมกันวิธีคือ กระบวนการของข้อมูล ltering หรือลวดลายตามความร่วมมือของผู้ใช้ หรือความคล้ายกันระหว่างสินค้า ในโครงการนี้ เราสร้างระบบคำแนะนำตามหลายแนวร่วม ltering (CF) และส่วนผสมของพวกเขา โดยใช้ส่วนของสุทธิข้อมูลโครงการ ix เป็นการตัวอย่างการส่วนที่เหลือของรายงานนี้มีการจัดระเบียบดังนี้: ในส่วน 2 เรา reformulate สุทธิixโครงการ และใช้ในการทดสอบขั้นตอนวิธีนำเสนอในหมวดที่ 3 ในหมวดที่ 3 เราเสนอต่าง ๆCF อัลกอริทึมเพื่อแก้ปัญหานี้ ผลการทดลองจะแสดงในหมวดที่ 4 เราสรุปผลลัพธ์ปัจจุบัน และเสนองานในอนาคตในที่สุด

ผลลัพธ์ (ไทย) 2:

ระบบคำแนะนำเป็นชนิด c speci ของเทคนิค ltering ข้อมูลที่พยายามที่จะนำเสนอ
รายการข้อมูล (เช่นภาพยนตร์, เพลง, เว็บไซต์, ข่าว) ที่มีแนวโน้มที่น่าสนใจให้กับผู้ใช้.
มันเป็นความสำคัญอย่างยิ่งสำหรับความสำเร็จของอีคอมเมิร์ซ และอุตสาหกรรมไอทีในปัจจุบันและค่อยๆ
ได้รับความนิยมในการใช้งานต่างๆ (เช่นสุทธิ
โครงการ ix ข่าว Google, Amazon) สัญชาตญาณ
ระบบแนะนำสร้างขึ้น le โปรของผู้ใช้ขึ้นอยู่กับ / บันทึกที่ผ่านมาของตนและเปรียบเทียบ
กับลักษณะการอ้างอิงบางอย่างและพยายามที่จะทำนาย `คะแนน 'ที่ผู้ใช้จะมอบให้กับ
รายการที่เขา / เธอไม่ได้รับการประเมินยัง . ในกรณีส่วนใหญ่ระบบแนะนำที่สอดคล้องกับ
ข้อมูลขนาดใหญ่ปัญหาการทำเหมืองแร่.
ขึ้นอยู่กับการเลือกของลักษณะการอ้างอิงระบบแนะนำอาจจะขึ้นอยู่กับ
วิธีการเนื้อหาหรือ ltering ความร่วมมือ (CF) วิธีการ (ดู [1]) หรือ ทั้งสอง ในฐานะที่เป็นชื่อของพวกเขา
แสดงให้เห็นวิธีการเนื้อหาที่ใช้จะขึ้นอยู่กับ จับคู่ "ของผู้ใช้โปร le และบางลักษณะค speci
ของรายการ (เกิด egthe ของคำคที่ระบุในเอกสาร) ในขณะที่การทำงานร่วมกัน ltering
วิธีการเป็นกระบวนการของการ ltering ข้อมูลหรือ รูปแบบขึ้นอยู่กับความร่วมมือของผู้ใช้หรือ
คล้ายคลึงกันระหว่างรายการ. ในโครงการนี้เราสร้างระบบแนะนำขึ้นอยู่กับหลาย
ltering ความร่วมมือ (CF) วิธีการและส่วนผสมของพวกเขาใช้เป็นส่วนหนึ่งของสุทธิ
ข้อมูลโครงการ ix เป็น
ตัวอย่าง.
ส่วนที่เหลือ ของรายงานฉบับนี้จัดเป็นดังนี้ในส่วนที่ 2 เรากำหนดใหม่สุทธิ
ix
โครงการและใช้ในการทดสอบขั้นตอนวิธีการที่นำเสนอไว้ในมาตรา 3; ในข้อ 3 เราเสนอต่างๆ
ขั้นตอนวิธีการ CF ที่จะแก้ปัญหานี้ได้รับผลการทดลองแสดงให้เห็นใน มาตรา 4 เรา
สรุปผลในปัจจุบันและนำเสนอการทำงานในอนาคตที่ผ่านมา

ผลลัพธ์ (ไทย) 3:

ระบบแนะนำเป็น speci  C ประเภทของข้อมูล  ltering เทคนิคที่พยายามให้รายการนำเสนอข้อมูล
( เช่นภาพยนตร์ , เพลง , เว็บไซต์ , ข่าว ) ที่มีแนวโน้มความสนใจของผู้ใช้ .
มันสำคัญสำหรับความสำเร็จของพาณิชย์อิเล็กทรอนิกส์และอุตสาหกรรมในปัจจุบัน และค่อย ๆได้รับความนิยมในการใช้งาน
ต่างๆ ( เช่นสุทธิ
9 โครงการ , Google News , Amazon ) สังหรณ์ใจ ,
ระบบคำแนะนำการสร้างขึ้นของผู้ใช้ Pro  เลอ ตามประวัติของเขา / เธอและเปรียบเทียบ
กับบางลักษณะการอ้างอิงและพยายามที่จะคาดการณ์ ` จัดอันดับ ' ที่ผู้ใช้จะให้เขา / เธอ
รายการยังไม่ได้ประเมิน ในกรณีส่วนใหญ่ , ระบบแนะนำสอดคล้องกับ
ขนาดใหญ่เหมืองข้อมูลปัญหา .
ขึ้นอยู่กับทางเลือกของลักษณะการอ้างอิงระบบที่แนะนำจะขึ้นอยู่กับเนื้อหาหรือวิธีการร่วมกัน 
ltering ( CF ) วิธีการ ( ดู [ 1 ] ) หรือทั้งสองอย่าง เป็นชื่อของพวกเขา
ระบุ เนื้อหา วิธีการขึ้นอยู่กับ N จับคู่ " ของผู้ใช้ Pro  เลอและบางประเภท  C ลักษณะ
ของรายการ ( เกิด e.g.the ของกา  C คำในเอกสาร ) ในขณะที่  ltering
)วิธีการเป็นขั้นตอนของ  ltering ข้อมูลหรือรูปแบบขึ้นอยู่กับความร่วมมือของผู้ใช้หรือ
ความคล้ายคลึงกันระหว่างรายการ ในโครงการนี้ เราสร้างระบบข้อเสนอแนะจากหลายฝ่าย 
ltering ( CF ) แนวทางและส่วนผสมของพวกเขาโดยใช้ส่วนหนึ่งของสุทธิ
9 โครงการข้อมูลเป็น

ที่เหลือ ตัวอย่างเช่น ส่วนหนึ่งของรายงานนี้คือการจัด ดังนี้ ในส่วนที่ 2 เรา reformulate สุทธิ
9
โครงการและใช้มันเพื่อทดสอบการนำเสนอขั้นตอนวิธีในมาตรา 3 มาตรา 3 ได้เสนอขั้นตอนวิธีการโฆษณาต่างๆ
แก้ปัญหานี้ ผลการทดลองแสดงในส่วนที่ 4 เรา
สรุปผลในปัจจุบัน และนำเสนอการทำงานในอนาคตในที่สุด