1. INTRODUCTIONWhile traditional re

1. INTRODUCTION
While traditional recommender systems are commonly trained through users’
feedback on the recommended items, recommenders (and specifically mobile recommenders)
increasingly also employ users’ demographical and contextual data. Those
data allow them to instantly generate recommendations that are relevant to the user
and to the situation in which the recommender system is being used [Adomavicius
and Tuzhilin 2011]. Privacy research however indicates that quite a few people feel

ผลลัพธ์ (ไทย) 1:

1. บทนำในขณะที่ระบบผู้แนะนำแบบทั่วไปได้รับการฝึกอบรม โดยผู้ใช้ความคิดเห็นในสินค้าแนะนำ recommenders (และ recommenders โดยเฉพาะโทรศัพท์มือถือ)เพิ่มขึ้นเรื่อย ๆ นอกจากนี้ผู้ว่าจ้าง demographical และบริบทข้อมูล ผู้ข้อมูลอนุญาตให้สร้างข้อเสนอแนะที่เกี่ยวข้องกับผู้ใช้ทันทีและสถานการณ์ที่เป็นระบบผู้แนะนำใช้ [Adomaviciusก Tuzhilin 2011] วิจัยส่วนบุคคลแต่บ่งชี้ว่า มีเพียงบางคนรู้สึก

ผลลัพธ์ (ไทย) 2:

1. บทนำ
ในขณะที่ระบบ recommender แบบดั้งเดิมได้รับการฝึกฝนโดยทั่วไปผ่านของผู้ใช้
ความคิดเห็นเกี่ยวกับรายการที่แนะนำ Recommenders (และ Recommenders มือถือโดยเฉพาะ)
เพิ่มมากขึ้นนอกจากนี้ยังมีการจ้างงานของผู้ใช้ข้อมูลประชากรและบริบท บรรดา
ข้อมูลที่ช่วยให้พวกเขาในการสร้างทันทีข้อเสนอแนะที่เกี่ยวข้องกับผู้ใช้
และต่อสถานการณ์ที่ระบบ recommender จะถูกใช้ [Adomavicius
และ Tuzhilin 2011] การวิจัยความเป็นส่วนตัว แต่แสดงให้เห็นว่าค่อนข้างไม่กี่คนรู้สึก

ผลลัพธ์ (ไทย) 3:

1 . บทนำ
ในขณะที่ระบบแนะนำแบบดั้งเดิมมักฝึกผ่านความคิดเห็นของผู้ใช้
บน แนะนำสินค้า recommenders ( และ recommenders เฉพาะมือถือ )
มากขึ้นยังจ้าง demographical ของผู้ใช้และข้อมูลตามบริบท ข้อมูลเหล่านั้น
อนุญาตให้สร้างได้ทันทีข้อเสนอแนะที่เกี่ยวข้องกับผู้ใช้
และในสถานการณ์ที่ระบบแนะนำการใช้ และ tuzhilin adomavicius
[ 2011 ] งานวิจัยส่วนบุคคล อย่างไรก็ตาม พบว่า ค่อนข้างไม่กี่คนที่รู้สึก