combination of content-based and co

combination of content-based and collaborative methods to
suggest items of interest to users, and also to learn and exploit
item semantics. Recommender systems typically use techniques
from collaborative filtering, in which proximity measures
between users are formulated to generate recommendations,
or content-based filtering, in which users are compared
directly to items. Our approach uses similarity measures between
users, but also directly measures the attributes of items
that make them appealing to specific users. This can be used
to directly make recommendations to users, but equally importantly
it allows these recommendations to be justified. We
introduce a method for predicting the preference of a user for
a movie by estimating the user’s attitude toward features with
which other users have described that movie.
We show that this method allows for accurate recommendations
for a sub-population of users, but not for the entire user
population. We describe a hybrid approach in which a userspecific
recommendation mechanism is learned and experimentally
evaluated. It appears that such a recommender system
can achieve significant improvements in accuracy over
alternative methods, while also retaining other advantages.

ผลลัพธ์ (ไทย) 1:

ชุด ตามเนื้อหา และความร่วมมือวิธีการแนะนำรายการน่าสนใจ กับผู้ ใช้ และยังต้องเรียนรู้ และใช้ประโยชน์ความหมายของสินค้า ระบบผู้แนะนำโดยทั่วไปใช้เทคนิคจากความร่วมมือกรอง ในวัดแห่งใดระหว่างผู้มีส่วนสร้างคำแนะนำหรือเนื้อหาที่ใช้ กรอง ในผู้ใช้ที่มีการเปรียบเทียบโดยตรงกับสินค้า วิธีของเราใช้วัดความคล้ายคลึงกันระหว่างผู้ใช้ แต่ยังตรงวัดคุณลักษณะของสินค้าที่ทำให้น่าสนใจให้ผู้ใช้ นี้สามารถใช้การให้คำแนะนำโดยตรงกับผู้ใช้ แต่สำคัญเท่า ๆ กันจะช่วยให้คำแนะนำเหล่านี้ได้รับการพิสูจน์ เราแนะนำวิธีการตั้งค่าของผู้ใช้สำหรับการคาดการณ์ภาพยนตร์ โดยการประเมินทัศนคติของผู้ใช้ไปยังลักษณะการทำงานด้วยซึ่งผู้ใช้อื่นได้กล่าวถึงภาพยนตร์ที่แสดงว่า วิธีนี้ช่วยให้คำแนะนำที่ถูกต้องสำหรับประชากรย่อย ของผู้ใช้ แต่ไม่ สำหรับผู้ใช้ทั้งหมดประชากร เราอธิบายวิธีไฮบริดซึ่งเป็น userspecificเรียนข้อเสนอแนะกลไก และ experimentallyประเมินการ เหมือนที่ผู้แนะนำกล่าวสามารถใช้ปรับปรุงที่สำคัญในความถูกต้องมากกว่าทางเลือกวิธี ในขณะที่ยัง รักษาประโยชน์อื่น ๆ

ผลลัพธ์ (ไทย) 2:

การรวมกันของวิธีการเนื้อหาที่ใช้และการทำงานร่วมกันที่จะ
แนะนำรายการที่น่าสนใจให้กับผู้ใช้และยังที่จะเรียนรู้และใช้ประโยชน์จาก
ความหมายของรายการ ระบบ Recommender มักจะใช้เทคนิค
การกรองจากการทำงานร่วมกันในการที่มาตรการความใกล้ชิด
ระหว่างผู้ใช้มีสูตรในการสร้างข้อเสนอแนะ
หรือการกรองเนื้อหาตามที่ผู้ใช้มีการเปรียบเทียบ
โดยตรงกับรายการ วิธีการที่เราจะใช้มาตรการที่คล้ายคลึงกันระหว่าง
ผู้ใช้ แต่ยังวัดโดยตรงคุณลักษณะของรายการ
ที่ทำให้พวกเขาน่าสนใจให้กับผู้ใช้ที่เฉพาะเจาะจง นี้สามารถนำมาใช้
โดยตรงให้คำแนะนำแก่ผู้ใช้อย่างเท่าเทียมกัน แต่ที่สำคัญ
จะช่วยให้คำแนะนำเหล่านี้จะเป็นคนชอบธรรม เรา
แนะนำวิธีการทำนายค่าของผู้ใช้สำหรับ
ภาพยนตร์โดยประเมินทัศนคติของผู้ใช้ที่มีต่อคุณสมบัติกับ
ที่ผู้ใช้อื่นได้อธิบายภาพยนตร์ที่.
เราแสดงให้เห็นว่าวิธีการนี้จะช่วยให้คำแนะนำที่ถูกต้อง
สำหรับการย่อยประชากรของผู้ใช้ แต่ไม่ได้สำหรับ ผู้ใช้ทั้ง
ประชากร เราอธิบายวิธีการไฮบริดที่ userspecific
กลไกคำแนะนำได้เรียนรู้และทดลอง
ประเมิน ปรากฏว่าระบบดังกล่าว recommender
สามารถบรรลุการปรับปรุงที่สำคัญในความถูกต้องมากกว่า
วิธีการอื่นในขณะที่ยังรักษาผลประโยชน์อื่น ๆ

ผลลัพธ์ (ไทย) 3:

รวมเนื้อหาและวิธีการร่วมกัน

แนะนำรายการที่น่าสนใจให้กับผู้ใช้ และยัง เรียนรู้ และใช้ประโยชน์จาก
รายการอรรถศาสตร์ แนะนำระบบมักจะใช้เทคนิค
จากกรองร่วมกัน ซึ่งอยู่ใกล้วัด
ระหว่างผู้ใช้ เป็นสูตรสร้างข้อเสนอแนะ
หรือเนื้อหาการกรอง ซึ่งผู้ใช้เปรียบเทียบ
โดยตรงรายการวิธีการของเราจะใช้มาตรการความคล้ายคลึงระหว่าง
ผู้ใช้ แต่ยังโดยตรงวัดคุณลักษณะของสินค้า
ที่ทำให้พวกเขาน่าสนใจให้กับผู้ใช้ที่เฉพาะเจาะจง นี้สามารถใช้เพื่อให้คำแนะนำกับผู้ใช้โดยตรง

แต่ในทางกลับกันคือมันช่วยให้ข้อเสนอแนะเหล่านี้ เป็น ธรรม เราแนะนำวิธีการทำนาย

ความชอบของผู้ใช้สำหรับภาพยนตร์โดยการประเมินทัศนคติของผู้ใช้บริการที่มีต่อคุณสมบัติที่ผู้ใช้อื่นได้ด้วย

เราอธิบายว่า ภาพยนตร์ แสดงให้เห็นว่า วิธีการนี้ช่วยให้คำแนะนำที่ถูกต้องสำหรับประชากรย่อย
ของผู้ใช้ แต่ไม่ใช่สำหรับประชากรผู้ใช้
ทั้งหมด เราอธิบายวิธีการแบบไฮบริด ซึ่งกลไกแนะนำ userspecific
เรียนรู้และทดลอง
ประเมินปรากฎว่า ระบบดังกล่าวสามารถบรรลุการปรับปรุงที่สำคัญในการแนะนำ

ความถูกต้องมากกว่าวิธีอื่น ในขณะที่ยัง
รักษาประโยชน์อื่น ๆ