Mobasher et al. [53] present a system for web personalization based on การแปล - Mobasher et al. [53] present a system for web personalization based on ไทย วิธีการพูด

Mobasher et al. [53] present a syst

Mobasher et al. [53] present a system for web personalization based on association rules mining. Their system identifies association rules from pageviews cooccurrences based on users navigational patterns. Their approach outperforms a
kNN-based recommendation system both in terms of precision and coverage. Smyth
et al. [68] present two different case studies of using association rules for RS. In the
first case they use the a priori algorithm to extract item association rules from user
profiles in order to derive a better item-item similarity measure. In the second case,
they apply association rule mining to a conversational recommender. The goal here
is to find co-occurrent critiques – i.e. user indicating a preference over a particular
feature of the recommended item. Lin et al. [49] present a new association mining
algorithm that adjusts the minimum support of the rules during mining in order to
obtain an appropriate number of significant rule therefore addressing some of the
shortcomings of previous algorithms such as the a priori. They mine both association rules between users and items. The measured accuracy outperforms previously
reported values for correlation-based recommendation and is similar to the more
elaborate approaches such as the combination of SVD and ANN.
Mobasher et al. [53] present a system for web personalization based on association rules mining. Their system identifies association rules from pageviews cooccurrences based on users navigational patterns. Their approach outperforms a
kNN-based recommendation system both in terms of precision and coverage. Smyth
et al. [68] present two different case studies of using association rules for RS. In the
first case they use the a priori algorithm to extract item association rules from user
profiles in order to derive a better item-item similarity measure. In the second case,
they apply association rule mining to a conversational recommender. The goal here
is to find co-occurrent critiques – i.e. user indicating a preference over a particular
feature of the recommended item. Lin et al. [49] present a new association mining
algorithm that adjusts the minimum support of the rules during mining in order to
obtain an appropriate number of significant rule therefore addressing some of the
shortcomings of previous algorithms such as the a priori. They mine both association rules between users and items. The measured accuracy outperforms previously
reported values for correlation-based recommendation and is similar to the more
elaborate approaches such as the combination of SVD and ANN.
0/5000
จาก: -
เป็น: -
ผลลัพธ์ (ไทย) 1: [สำเนา]
คัดลอก!
Mobasher et al. [53] นำเสนอระบบเว็บส่วนบุคคลตามกฎสมาคมที่ทำเหมืองแร่ กฎของสมาคม identifies ระบบจาก cooccurrences ผู้ชมขึ้นอยู่กับผู้ใช้รูปแบบการนำทาง Outperforms ของพวกเขาวิธีระบบ kNN ตามคำแนะนำ ทั้งความแม่นยำและครอบคลุม Smythet al. [68] ปัจจุบันสองต่าง ๆ กรณีศึกษาการใช้สมาคมสำหรับ RS ในfirst กรณีใช้เป็น priori อัลกอริทึมการแยกสินค้าสมาคมผู้ใช้profiles เพื่อมาวัดความคล้ายคลึงกันของสินค้าสินค้าดี ในกรณีที่สองพวกเขาใช้ทำเหมืองกฎสมาคมกับผู้แนะนำสนทนา เป้าหมายของที่นี่จะ find occurrent บริษัทเมืองไทย – เช่นผู้ใช้ระบุความสนใจผ่านเฉพาะคุณลักษณะของสินค้าแนะนำ Lin et al. [49] ปัจจุบันเหมืองความสัมพันธ์ใหม่อัลกอริทึมที่ปรับปรุงสนับสนุนขั้นต่ำของกฎในระหว่างการทำเหมืองแร่เพื่อได้รับหมายเลขที่เหมาะสมของกฎ significant จึง แก้ปัญหาบางอย่างแสดงของอัลกอริทึมที่ก่อนหน้านี้เช่นเป็น priori พวกเขาเหมืองทั้งกฎความสัมพันธ์ระหว่างผู้ใช้และรายการ ความถูกต้องที่วัด outperforms ก่อนหน้านี้รายงานค่าสำหรับคำแนะนำตามความสัมพันธ์ และคล้ายคลึงกับมากกว่าแนวทางที่ประณีตเช่น SVD และแอนMobasher et al. [53] นำเสนอระบบเว็บส่วนบุคคลตามกฎสมาคมที่ทำเหมืองแร่ กฎของสมาคม identifies ระบบจาก cooccurrences ผู้ชมขึ้นอยู่กับผู้ใช้รูปแบบการนำทาง Outperforms ของพวกเขาวิธีระบบ kNN ตามคำแนะนำ ทั้งความแม่นยำและครอบคลุม Smythet al. [68] ปัจจุบันสองต่าง ๆ กรณีศึกษาการใช้สมาคมสำหรับ RS ในfirst กรณีใช้เป็น priori อัลกอริทึมการแยกสินค้าสมาคมผู้ใช้profiles เพื่อมาวัดความคล้ายคลึงกันของสินค้าสินค้าดี ในกรณีที่สองพวกเขาใช้ทำเหมืองกฎสมาคมกับผู้แนะนำสนทนา เป้าหมายของที่นี่จะ find occurrent บริษัทเมืองไทย – เช่นผู้ใช้ระบุความสนใจผ่านเฉพาะคุณลักษณะของสินค้าแนะนำ Lin et al. [49] ปัจจุบันเหมืองความสัมพันธ์ใหม่อัลกอริทึมที่ปรับปรุงสนับสนุนขั้นต่ำของกฎในระหว่างการทำเหมืองแร่เพื่อได้รับหมายเลขที่เหมาะสมของกฎ significant จึง แก้ปัญหาบางอย่างแสดงของอัลกอริทึมที่ก่อนหน้านี้เช่นเป็น priori พวกเขาเหมืองทั้งกฎความสัมพันธ์ระหว่างผู้ใช้และรายการ ความถูกต้องที่วัด outperforms ก่อนหน้านี้รายงานค่าสำหรับคำแนะนำตามความสัมพันธ์ และคล้ายคลึงกับมากกว่าแนวทางที่ประณีตเช่น SVD และแอน
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 2:[สำเนา]
คัดลอก!
Mobasher และคณะ [53] นำเสนอระบบสำหรับเว็บส่วนบุคคลบนพื้นฐานของกฎสมาคมเหมืองแร่ ระบบของพวกเขาการระบุสาย es กฎสมาคมจากการแสดงหน้าเว็บ cooccurrences ขึ้นอยู่กับผู้ใช้รูปแบบการเดินเรือ วิธีการของพวกเขามีประสิทธิภาพดีกว่า
ระบบแนะนำ kNN ที่ใช้ทั้งในแง่ของความแม่นยำและความคุ้มครอง เบิร์น
และคณะ [68] ปัจจุบันทั้งสองกรณีศึกษาที่แตกต่างกันของการใช้กฎสมาคมสำหรับอาร์เอส ใน
กรณีที่สายแรกที่พวกเขาใช้ขั้นตอนวิธีการเบื้องต้นในการสกัดกฎสมาคมรายการจากผู้ใช้
โปรไฟ les เพื่อให้ได้มาดีกว่ารายการรายการตัวชี้วัดความคล้ายคลึงกัน ในกรณีที่สอง
พวกเขาใช้การทำเหมืองแร่กฎสมาคมเพื่อผู้แนะนำการสนทนา เป้าหมายของที่นี่
คือการ fi ครั้งวิพากษ์วิจารณ์ร่วม occurrent - ผู้ใช้ที่ระบุเช่นการตั้งค่ากว่าโดยเฉพาะ
คุณสมบัติของรายการแนะนำ หลินและคณะ [49] นำเสนอการทำเหมืองแร่สมาคมใหม่
อัลกอริทึมที่ปรับสนับสนุนขั้นต่ำของกฎในระหว่างการทำเหมืองแร่เพื่อ
ให้ได้จำนวนที่เหมาะสมของกฎลาดเทมีนัยสำคัญดังนั้นที่บางส่วนของ
ข้อบกพร่องของอัลกอริทึมที่ก่อนหน้านี้เช่นเบื้องต้น พวกเขาเหมืองทั้งกฎระเบียบความสัมพันธ์ระหว่างผู้ใช้และรายการ ความถูกต้องที่วัดมีประสิทธิภาพดีกว่าก่อนหน้านี้
รายงานค่าสำหรับคำแนะนำความสัมพันธ์ที่ใช้และมีความคล้ายคลึงกับมากขึ้น
วิธีการที่ซับซ้อนเช่นการรวมกันของ SVD และ ANN.
Mobasher และคณะ [53] นำเสนอระบบสำหรับเว็บส่วนบุคคลบนพื้นฐานของกฎสมาคมเหมืองแร่ ระบบของพวกเขาการระบุสาย es กฎสมาคมจากการแสดงหน้าเว็บ cooccurrences ขึ้นอยู่กับผู้ใช้รูปแบบการเดินเรือ วิธีการของพวกเขามีประสิทธิภาพดีกว่า
ระบบแนะนำ kNN ที่ใช้ทั้งในแง่ของความแม่นยำและความคุ้มครอง เบิร์น
และคณะ [68] ปัจจุบันทั้งสองกรณีศึกษาที่แตกต่างกันของการใช้กฎสมาคมสำหรับอาร์เอส ใน
กรณีที่สายแรกที่พวกเขาใช้ขั้นตอนวิธีการเบื้องต้นในการสกัดกฎสมาคมรายการจากผู้ใช้
โปรไฟ les เพื่อให้ได้มาดีกว่ารายการรายการตัวชี้วัดความคล้ายคลึงกัน ในกรณีที่สอง
พวกเขาใช้การทำเหมืองแร่กฎสมาคมเพื่อผู้แนะนำการสนทนา เป้าหมายของที่นี่
คือการ fi ครั้งวิพากษ์วิจารณ์ร่วม occurrent - ผู้ใช้ที่ระบุเช่นการตั้งค่ากว่าโดยเฉพาะ
คุณสมบัติของรายการแนะนำ หลินและคณะ [49] นำเสนอการทำเหมืองแร่สมาคมใหม่
อัลกอริทึมที่ปรับสนับสนุนขั้นต่ำของกฎในระหว่างการทำเหมืองแร่เพื่อ
ให้ได้จำนวนที่เหมาะสมของกฎลาดเทมีนัยสำคัญดังนั้นที่บางส่วนของ
ข้อบกพร่องของอัลกอริทึมที่ก่อนหน้านี้เช่นเบื้องต้น พวกเขาเหมืองทั้งกฎระเบียบความสัมพันธ์ระหว่างผู้ใช้และรายการ ความถูกต้องวัดประสิทธิภาพดีกว่าก่อนหน้านี้
รายงานค่าสำหรับคำแนะนำความสัมพันธ์ที่ใช้และมีความคล้ายคลึงกับมากขึ้น
วิธีการที่ซับซ้อนเช่นการรวมกันของ SVD และ ANN
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 3:[สำเนา]
คัดลอก!
mobasher et al . [ 53 ] ปัจจุบันระบบส่วนบุคคลเว็บเหมืองแร่กฎสมาคม identi ระบบ ES สมาคมกฎจากผู้ชม cooccurrences จึงขึ้นอยู่กับผู้ใช้รูปแบบการเดินเรือ วิธีการโปรย
knn แนะนำระบบทั้งในแง่ของความถูกต้อง และครอบคลุมตาม สมิท
et al . [ 68 ] ปัจจุบันสองแตกต่างกันกรณีศึกษาโดยใช้กฎความสัมพันธ์สำหรับอาร์เอสใน
จึงตัดสินใจเดินทางกรณีใช้อัลกอริทึมการแยกระหว่างสมาคมกฎรายการจากผู้ใช้
Pro จึงเล เพื่อสร้างดีกว่า รายการ คล้ายวัด ในกรณีที่สอง พวกเขาใช้กฎ
สมาคมเหมืองแร่การแนะนำปาก . เป้าหมายของที่นี่คือการกระตุกและ Co
จึงวิพากษ์วิจารณ์การดำเนินการผู้ใช้ระบุความต้องการคุณลักษณะเฉพาะ
ของแนะนำรายการ หลิน et al .[ 49 ] ปัจจุบันสมาคมเหมืองแร่
ขั้นตอนวิธีใหม่จะสนับสนุนขั้นต่ำของกฎในเหมืองแร่เพื่อ
ได้รับหมายเลขที่เหมาะสม signi จึงไม่สามารถปกครองจึงแก้ไขบางส่วนของข้อบกพร่องของขั้นตอนวิธี
ก่อนหน้านี้เช่น priori . พวกฉันทั้งสมาคมกฎระหว่างรายการผู้ใช้และ . การวัดความแม่นยำมีประสิทธิภาพดีกว่า
ก่อนหน้านี้รายงานค่าสำหรับคำแนะนำตามความสัมพันธ์และมีลักษณะคล้ายกับมากขึ้น
ซับซ้อนวิธีเช่นการรวมกันของ SVD และแอน .
mobasher et al . [ 53 ] ปัจจุบันระบบส่วนบุคคลเว็บเหมืองแร่กฎสมาคม identi ระบบ ES สมาคมกฎจากผู้ชม cooccurrences จึงขึ้นอยู่กับผู้ใช้รูปแบบการเดินเรือ วิธีการโปรย
knn แนะนำระบบทั้งในแง่ของความถูกต้อง และครอบคลุมตาม สมิท
et al . [ 68 ] ปัจจุบันสองแตกต่างกันกรณีศึกษาโดยใช้กฎความสัมพันธ์สำหรับ Rs ใน
จึงตัดสินใจเดินทางกรณีใช้อัลกอริทึมการแยกระหว่างสมาคมกฎรายการจากผู้ใช้
Pro จึงเล เพื่อสร้างดีกว่า รายการ คล้ายวัด ในกรณีที่สอง
พวกเขาใช้กฎสมาคมเหมืองแร่การแนะนำปาก . เป้าหมายของที่นี่คือการกระตุกและ Co
จึงวิพากษ์วิจารณ์การดำเนินการผู้ใช้ระบุความต้องการคุณลักษณะเฉพาะ
ของแนะนำรายการ หลิน et al . [ 49 ] ปัจจุบันสมาคมเหมืองแร่
ขั้นตอนวิธีใหม่จะสนับสนุนขั้นต่ำของกฎในเหมืองแร่เพื่อ
ได้รับหมายเลขที่เหมาะสม signi จึงไม่สามารถปกครองจึงแก้ไขบางส่วนของข้อบกพร่องของขั้นตอนวิธี
ก่อนหน้านี้เช่น priori . พวกฉันทั้งสมาคมกฎระหว่างรายการผู้ใช้และ . การวัดความแม่นยำมีประสิทธิภาพดีกว่าก่อนหน้านี้
รายงานค่าแนะนำตามความสัมพันธ์และมีลักษณะคล้ายกับมากขึ้น
ซับซ้อนวิธีเช่นการรวมกันของ SVD และแอน
.
การแปล กรุณารอสักครู่..
 
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.

Copyright ©2024 I Love Translation. All reserved.

E-mail: