This paper aims to solve the intell

This paper aims to solve the intelligent and personalized tobacco brand recommendation problem, which greatly affects the sales performance of tobacco enterprises. Firstly, we discuss how to mine the internal correlations between different users to compute user similarity. Particularly, we estimate user similarity by constructing user feature vectors using Cosine distance. Secondly, a novel intelligent and personalized tobacco brand recommendation algorithm is given, and the top ranked tobacco brands are output as the tobacco brand recommendation results. Finally, experiments test the effectiveness of the proposed algorithm by two main aspects, and positive results are achieved.

ผลลัพธ์ (ไทย) 1:

เอกสารนี้มีวัตถุประสงค์เพื่อแก้ไขยาสูบอัจฉริยะ และเป็นแบรนด์แนะนำปัญหา ซึ่งมีผลต่อประสิทธิภาพในการขายของบริษัทยาสูบมาก ประการแรก เราหารือวิธีเหมืองความสัมพันธ์ภายในระหว่างผู้ใช้เพื่อคำนวณความคล้ายคลึงกันของผู้ใช้ โดยเฉพาะ เราประเมินความคล้ายกันของผู้ใช้ โดยการสร้างเวกเตอร์ลักษณะผู้ใช้จากโคไซน์ ประการที่สอง อัลกอริทึมคำแนะนำของแบรนด์ยาสูบอัจฉริยะ และเป็นนวนิยายที่ได้รับ และแบรนด์ยาสูบอันดับสูงสุดเป็นผลผลิตผลการแนะนำแบรนด์ของยาสูบ สุดท้าย ทดลองทดสอบประสิทธิภาพของอัลกอริธึมที่เสนอ โดยด้านหลักสอง และผลบวกจะได้

ผลลัพธ์ (ไทย) 2:

กระดาษนี้มีวัตถุประสงค์เพื่อแก้ปัญหายาสูบที่ชาญฉลาดและปัญหาส่วนบุคคลคำแนะนำแบรนด์ที่มีผลกระทบต่อผลการดำเนินงานของผู้ประกอบการขายยาสูบ ประการแรกเราหารือถึงวิธีการเหมืองความสัมพันธ์ภายในระหว่างผู้ใช้ที่แตกต่างกันในการคำนวณความคล้ายคลึงกันของผู้ใช้ โดยเฉพาะอย่างยิ่งเราประเมินความคล้ายคลึงกันของผู้ใช้โดยการสร้างพาหะคุณลักษณะของผู้ใช้โดยใช้ระยะโคไซน์ ประการที่สองแบรนด์ยาสูบที่ชาญฉลาดและส่วนบุคคลนวนิยายคำแนะนำขั้นตอนวิธีการที่จะได้รับและแบรนด์ยาสูบด้านบนการจัดอันดับที่มีเอาท์พุทเป็นแบรนด์ยาสูบผลข้อเสนอแนะ ในที่สุดการทดลองทดสอบประสิทธิภาพของอัลกอริทึมที่นำเสนอโดยสองด้านหลักและผลในเชิงบวกจะประสบความสำเร็จ

ผลลัพธ์ (ไทย) 3:

บทความนี้มีจุดมุ่งหมายเพื่อแก้ปัญหาที่ชาญฉลาดและส่วนบุคคลยี่ห้อยาสูบข้อเสนอแนะปัญหาที่ส่งผลกระทบต่อประสิทธิภาพการขายของผู้ประกอบการยาสูบ ประการแรกเราหารือถึงวิธีการของฉันความสัมพันธ์ภายในระหว่างผู้ใช้ที่แตกต่างกันเพื่อคำนวณความเหมือนของผู้ใช้ โดยเราคาดว่าผู้ใช้โดยการสร้างความเหมือนผู้ใช้คุณลักษณะเวกเตอร์โดยใช้ระยะทางโคไซน์ ประการที่สอง เป็นนวนิยายที่ฉลาดและส่วนบุคคลยี่ห้อยาสูบแนะนำวิธีให้ และด้านบนการจัดอันดับยี่ห้อยาสูบผลผลิตผลลัพธ์แนะนำยี่ห้อบุหรี่ ในที่สุดการทดลองทดสอบประสิทธิผลของวิธีที่เสนอทั้งสองด้านหลักและผลลัพธ์ที่เป็นบวก มีความ