Recommender systems are an importan

Recommender systems are an important part of the information and
e-commerce ecosystem. They represent a powerful method for enabling
users to filter through large information and product spaces. Nearly
two decades of research on collaborative filtering have led to a varied
set of algorithms and a rich collection of tools for evaluating their performance.
Research in the field is moving in the direction of a richer
understanding of how recommender technology may be embedded in
specific domains. The differing personalities exhibited by different recommender
algorithms show that recommendation is not a one-sizefits-
all problem. Specific tasks, information needs, and item domains
represent unique problems for recommenders, and design and evaluation
of recommenders needs to be done based on the user tasks to
be supported. Effective deployments must begin with careful analysis
of prospective users and their goals. Based on this analysis, system
designers have a host of options for the choice of algorithm and for its
embedding in the surrounding user experience. This paper discusses
a wide variety of the choices available and their implications, aiming to
provide both practicioners and researchers with an introduction to the
important issues underlying recommenders and current best practices
for addressing these issues.

ผลลัพธ์ (ไทย) 1:

ระบบผู้แนะนำจะเป็นส่วนสำคัญของข้อมูล และอีคอมเมิร์ซระบบนิเวศ แทนวิธีการเปิดใช้งานมีประสิทธิภาพผู้ใช้สามารถกรองผ่านช่องว่างข้อมูลและสินค้าขนาดใหญ่ เกือบสองทศวรรษของกรองร่วมวิจัยได้นำไปสู่ความแตกต่างกันชุดของอัลกอริทึมและชุดเครื่องมือสำหรับการประเมินประสิทธิภาพของพวกเขารวยวิจัยในฟิลด์มีการเคลื่อนไหวในทิศทางที่ลึกยิ่งขึ้นเข้าใจว่าผู้แนะนำเทคโนโลยีอาจฝังอยู่ในโดเมนที่ระบุ บุคลิกแตกต่างกันที่จัดแสดง โดยผู้แนะนำแตกต่างกันอัลกอริทึมแสดงว่า แนะนำไม่เป็น-sizefits -ปัญหาทั้งหมด งานเฉพาะ ความต้องการข้อมูล และโดเมนรายการแสดงเฉพาะปัญหา recommenders ออกแบบ และประเมินของ recommenders จำเป็นต้องทำตามผู้ใช้งานได้รับการสนับสนุน จัดวางที่มีประสิทธิภาพต้องเริ่มต้น ด้วยการวิเคราะห์อย่างระมัดระวังผู้คาดหวังและเป้าหมายของพวกเขา ตามนี้วิเคราะห์ ระบบนักออกแบบมีโฮสต์ของตัวเลือกสำหรับตัวเลือก ของอัลกอริทึม และสำหรับการฝังในประสบการณ์ของผู้ใช้โดยรอบ เอกสารนี้กล่าวถึงความหลากหลายของตัวเลือกที่พร้อมใช้งานและผลกระทบของพวกเขา มุ่งสู่มีทั้ง practicioners และนักวิจัยบทประเด็นสำคัญที่ต้น recommenders และแนวทางปฏิบัติปัจจุบันการแก้ปัญหาปัญหาเหล่านี้

ผลลัพธ์ (ไทย) 3:

แนะนำระบบเป็นส่วนสําคัญของสารสนเทศและ
ระบบนิเวศพาณิชย์อิเล็กทรอนิกส์ พวกเขาแสดงวิธีการที่มีประสิทธิภาพที่ช่วยให้ผู้ใช้สามารถกรองผ่าน
ข้อมูลขนาดใหญ่ และเป็นผลิตภัณฑ์ เกือบสองทศวรรษของการวิจัยความร่วมมือ
กรองทำให้แตกต่างกัน
ชุดของขั้นตอนวิธีและคอลเลกชันที่อุดมไปด้วยเครื่องมือสำหรับประเมินประสิทธิภาพของพวกเขา .
การวิจัยเป็นไปในทิศทางของความเข้าใจยิ่งขึ้น
วิธีการแนะนำเทคโนโลยีอาจจะฝังตัวอยู่ใน
โดเมนเฉพาะ ความแตกต่างของบุคลิกภาพแสดงโดยขั้นตอนวิธีการแนะนำ
ต่างแสดงการแนะนำไม่ได้เป็นหนึ่ง sizefits -
ทุกปัญหา งาน , ความต้องการข้อมูลและรายการโดเมน
แสดงปัญหาที่ไม่ซ้ำกันสำหรับ recommenders และการออกแบบและการประเมินผล
ของ recommenders ต้องทำบนพื้นฐานของผู้ใช้งาน

ได้รับการสนับสนุน การใช้งานที่มีประสิทธิภาพจะต้องเริ่มต้นด้วยการวิเคราะห์ระมัดระวัง
ผู้ใช้ในอนาคตและเป้าหมายของพวกเขา จากการวิเคราะห์นี้ นักออกแบบระบบ
มีโฮสต์ของตัวเลือกสำหรับการเลือกอัลกอริทึมของ
ฝังตัวในรอบประสบการณ์ผู้ใช้ บทความนี้กล่าวถึง
ความหลากหลายของตัวเลือกที่พร้อมใช้งานและผลกระทบของพวกเขา เพื่อให้ทั้ง practicioners
และนักวิจัยแนะนำให้
recommenders ต้นแบบและประเด็นสำคัญในปัจจุบัน
สำหรับการจัดการกับปัญหาเหล่านี้