As shown in Figure 1, our proposed

As shown in Figure 1, our proposed system consists of two main parts: 1) place recommendation and 2) mobile application parts. The recommendation part starts by reading a geographic position of a mobile device user. After that, it is sent to Foursquare database to retrieve spatial information of the local spots and users' check-in records via Foursquare API [5]. We then perform to fmd the top-K similar users across the nearest spots based on matching semantic locations of the users'check-in spots and apply a collaborative filtering algorithm to personalize the places nearby to the end user. We also develop an android application that enables the mobile device user to access the recommender system.

ผลลัพธ์ (ไทย) 1:

ดังแสดงในรูปที่ 1 ระบบของเรานำเสนอประกอบด้วยสองส่วนหลัก: 1) คำแนะนำและส่วนโปรแกรม 2) มือถือ ส่วนคำแนะนำเริ่มต้น โดยการอ่านตำแหน่งทางภูมิศาสตร์ของผู้ใช้โทรศัพท์มือถือ หลังจากนั้น จะถูกส่งไปฐานข้อมูล Foursquare เพื่อดึงข้อมูลของจุดในท้องถิ่นและผู้ใช้ในการตรวจสอบระเบียนผ่าน Foursquare API [5] เราทำไป fmd ผู้คล้าย K ด้านบนผ่านจุดที่ใกล้ที่สุดอิงตรงตำแหน่งทางตรรกของจุด users'check และใช้อัลกอริทึมกรองที่ทำงานร่วมกันในการปรับแต่งสถานที่ใกล้เคียงให้กับผู้ใช้ นอกจากนี้เรายังพัฒนาโปรแกรม android ที่ผู้ใช้อุปกรณ์เคลื่อนที่สามารถเข้าถึงระบบผู้แนะนำ

ผลลัพธ์ (ไทย) 2:

ดังแสดงในรูปที่ 1 ระบบที่นำเสนอของเราประกอบด้วยสองส่วนหลักคือ 1) คำแนะนำสถานที่และ 2) ส่วนโปรแกรมมือถือ ส่วนคำแนะนำเริ่มต้นด้วยการอ่านตำแหน่งทางภูมิศาสตร์ของผู้ใช้โทรศัพท์มือถือ หลังจากนั้นก็จะถูกส่งไปยังฐานข้อมูล Foursquare เพื่อดึงข้อมูลเชิงพื้นที่ของจุดท้องถิ่นและผู้ใช้เช็คในบันทึกผ่านทาง API Foursquare [5] จากนั้นเราจะดำเนินการเพื่อ FMD ด้านบน-K ผู้ใช้คล้ายกันในจุดที่ใกล้ที่สุดขึ้นอยู่กับการจับคู่สถานที่ความหมายของ users'check ในจุดและใช้ขั้นตอนวิธีการกรองการทำงานร่วมกันในการปรับแต่งสถานที่ที่อยู่บริเวณใกล้เคียงให้กับผู้ใช้ เรายังพัฒนาโปรแกรมหุ่นยนต์ที่ช่วยให้ผู้ใช้โทรศัพท์มือถือเพื่อเข้าสู่ระบบ recommender

ผลลัพธ์ (ไทย) 3:

ดังแสดงในรูปที่ 1 ของเรา ระบบนี้ประกอบด้วยสองส่วนหลัก ได้แก่ 1 ) การแนะนำสถานที่ และ 2 ) ส่วนโปรแกรมมือถือ . ส่วนการแนะนำเริ่มต้นด้วยการอ่านตำแหน่งทางภูมิศาสตร์ของโทรศัพท์มือถือของผู้ใช้ หลังจากนั้น ก็จะถูกส่งไปยังฐานข้อมูล Foursquare เพื่อดึงข้อมูลเชิงพื้นที่ของจุดของผู้ใช้ท้องถิ่นและประวัติเช็คอินผ่าน Foursquare API [ 5 ] จากนั้นเราจะดำเนินการเพื่อการปรับปรุง top-k คล้ายกันผู้ใช้ผ่านใกล้จุดยึดตรงกันความหมายตำแหน่งของ users"check-in จุดและใช้ร่วมกันขั้นตอนวิธีการกรอง การปรับสถานที่ใกล้เคียงกับผู้ใช้ นอกจากนี้เรายังพัฒนา Android Application ที่ช่วยให้โทรศัพท์มือถือผู้ใช้สามารถเข้าถึงระบบการแนะนำ .