information to the user and the inf

information to the user and the information to recommend post-treatment[5]. This technique has been widely used in electronic commerce, mainly due to expanding the number of species and commodities rapid growth of e-commerce model, resulting in users will spend a lot of time to filter product information in order to find their own goals merchandise. In this process, the user can do lots of wasted efforts, and even can not find a suitable target, causing the target user's losses. Digital Library emergence of personalized recommendation in this regard is also the reason, hoping to save the reader's time by the initiative of recommended information to the reader, so that readers can rapidly detect the target group of interest. Personalized recommendation system is a method of using a variety of data mining Nnowledge database to dig out the Nnowledge of applied technology, its goal is to provide real-time, proactive and valuable information to the user. In addition, the system can also be recommended to the satisfaction of the user feedbacN, the statistics of users, in order to verify the effect of recommendation. In totally, we can use specific data mining of big data preprocessing, and some pre-excavation of the library to access the data, mining the library personalized users mode. Big data preprocessing of data mining techniques include data cleaning, user identification, users access identification, pattern recognition and users path complete. The following is the specific process of the pattern of users:

ผลลัพธ์ (ไทย) 1:

ข้อมูลผู้ใช้และข้อมูลที่จะแนะนำหลังการรักษา [5] เทคนิคนี้มีการใช้กันอย่างแพร่หลายในพาณิชย์อิเล็กทรอนิกส์ เนื่องจากการขยายพันธุ์และเจริญเติบโตของอีคอมเมิร์ซแบบ ส่งผลให้ผู้ใช้จะใช้จ่ายจำนวนมากของเวลาในการกรองข้อมูลเพื่อค้นหาเป้าหมายของตนเองสินค้าโภคภัณฑ์ ในกระบวนการนี้ ผู้ใช้สามารถทำจำนวนมากของความพยายามที่เสีย และแม้กระทั่งไม่สามารถหาเป้าหมายเหมาะสม ทำให้เกิดการสูญเสียของผู้ใช้ปลาย ดิจิตอลไลบรารีเกิดของส่วนบุคคลคำแนะนำในเรื่องนี้เป็นเหตุผล หวังที่จะประหยัดเวลาของผู้อ่าน โดยการริเริ่มข้อมูลแนะนำให้อ่าน เพื่อให้ผู้อ่านสามารถตรวจพบกลุ่มเป้าหมายน่าสนใจอย่างรวดเร็ว คำแนะนำส่วนบุคคลในระบบเป็นวิธีการที่ใช้ความหลากหลายของฐานข้อมูล Nnowledge การทำเหมืองข้อมูลขุด Nnowledge ใช้เทคโนโลยี เป้าหมายที่จะ ให้ข้อมูลแบบเรียลไทม์ เชิงรุก และมีคุณค่าแก่ผู้ใช้ นอกจากนี้ ระบบสามารถยังได้แนะนำให้ความพึงพอใจของผู้ใช้ feedbacN สถิติของผู้ใช้ เพื่อตรวจสอบผลของการแนะนำ ในทั้งหมด เราสามารถใช้การทำเหมืองข้อมูลเฉพาะของการประมวลผลข้อมูลเบื้องต้น และบางก่อนขุดไลบรารีเพื่อเข้าถึงข้อมูล การทำเหมืองแร่ในไลบรารีส่วนบุคคลผู้ใช้โหมด ข้อมูลที่ประมวลผลเบื้องต้นของเทคนิคการทำเหมืองข้อมูลรวมข้อมูลรหัสผู้ใช้ ผู้ใช้การเข้ารหัส รูปแบบการรับรู้และผู้ใช้เส้นทางสมบูรณ์ ทำความสะอาด ต่อไปนี้เป็นกระบวนการของรูปแบบของผู้ใช้:

ผลลัพธ์ (ไทย) 2:

ข้อมูลให้กับผู้ใช้และข้อมูลที่จะให้คำแนะนำหลังการรักษา [5] เทคนิคนี้ได้ถูกนำมาใช้กันอย่างแพร่หลายในการพาณิชย์อิเล็กทรอนิกส์ส่วนใหญ่เนื่องจากการขยายจำนวนของสายพันธุ์และสินค้าโภคภัณฑ์เติบโตอย่างรวดเร็วของรุ่น E-Commerce ที่เกิดในผู้ใช้จะใช้เวลามากในการกรองข้อมูลสินค้าเพื่อหาสินค้าเป้าหมายของพวกเขาเอง ในขั้นตอนนี้ผู้ใช้สามารถทำจำนวนมากของความพยายามที่สูญเสียไปและยังไม่สามารถหาเป้าหมายที่เหมาะสมก่อให้เกิดการสูญเสียผู้ใช้เป้าหมายของ ห้องสมุดดิจิตอลการเกิดขึ้นของคำแนะนำส่วนบุคคลในเรื่องนี้ยังเป็นเหตุผลโดยหวังที่จะประหยัดเวลาของผู้อ่านโดยการริเริ่มของข้อมูลที่แนะนำให้ผู้อ่านเพื่อให้ผู้อ่านได้อย่างรวดเร็วสามารถตรวจสอบกลุ่มเป้าหมายที่น่าสนใจ ระบบแนะนำส่วนบุคคลเป็นวิธีการใช้ความหลากหลายของการทำเหมืองข้อมูลฐานข้อมูล Nnowledge จะขุดออก Nnowledge เทคโนโลยีประยุกต์เป้าหมายคือการให้เวลาจริงข้อมูลเชิงรุกและมีคุณค่าให้กับผู้ใช้ นอกจากนี้ระบบยังสามารถแนะนำเพื่อความพึงพอใจของผู้ใช้ feedbacN สถิติของผู้ใช้ในการสั่งซื้อเพื่อตรวจสอบผลกระทบของข้อเสนอแนะ ในทั้งหมดเราสามารถใช้การทำเหมืองข้อมูลที่เฉพาะเจาะจงของ preprocessing ข้อมูลขนาดใหญ่และบางส่วนก่อนการขุดค้นของห้องสมุดในการเข้าถึงข้อมูล, การทำเหมืองแร่โหมดห้องสมุดส่วนบุคคลของผู้ใช้ preprocessing ข้อมูลขนาดใหญ่ของเทคนิคการทำเหมืองข้อมูลรวมถึงการทำความสะอาดข้อมูลประชาชนผู้ใช้บัตรประจำตัวการเข้าถึงผู้ใช้จดจำรูปแบบและผู้ใช้เส้นทางที่สมบูรณ์ ต่อไปนี้เป็นกระบวนการที่เฉพาะเจาะจงของรูปแบบของผู้ใช้:

ผลลัพธ์ (ไทย) 3:

ข้อมูลผู้ใช้และข้อมูลแนะนำการ [ 5 ] เทคนิคนี้มีการใช้กันอย่างแพร่หลายในพาณิชย์อิเล็กทรอนิกส์ ส่วนใหญ่เนื่องจากการขยายจำนวนของสายพันธุ์และสินค้าการเจริญเติบโตอย่างรวดเร็วของรูปแบบของอี - คอมเมิร์ซ ส่งผลให้ผู้ใช้จะใช้จ่ายมากเวลาที่จะกรองข้อมูลผลิตภัณฑ์เพื่อหาสินค้าเป้าหมายของตัวเอง ในขั้นตอนนี้ผู้ใช้สามารถทำจำนวนมากของความพยายามเสีย และยังไม่สามารถหาเป้าหมายที่เหมาะสม ก่อให้เกิดความสูญเสีย เป้าหมายของผู้ใช้ การแนะนำห้องสมุดดิจิตอลส่วนบุคคล ในส่วนนี้ยังเป็นเหตุ ให้บันทึกเวลาของผู้อ่าน โดยการริเริ่มของข้อมูล ขอแนะนำให้ผู้อ่าน เพื่อให้ผู้อ่านสามารถอย่างรวดเร็วตรวจสอบกลุ่มเป้าหมายที่สนใจ ระบบคำแนะนำส่วนบุคคลเป็นวิธีการของการใช้ความหลากหลายของข้อมูลเหมืองแร่ nnowledge ฐานข้อมูลที่จะขุด nnowledge เทคโนโลยีประยุกต์ มีเป้าหมายคือให้เรียลไทม์ เชิงรุก และข้อมูลที่มีประโยชน์ให้กับผู้ใช้ นอกจากนี้ ระบบยังสามารถให้ความพึงพอใจของผู้ใช้ feedbacn สถิติของผู้ใช้เพื่อตรวจสอบผลของการแนะนำ ในทั้งหมด เราสามารถใช้เฉพาะข้อมูลเหมืองแร่ใหญ่ข้อมูล preprocessing และบางส่วนก่อนการขุดของห้องสมุดในการเข้าถึงข้อมูลเหมืองแร่ห้องสมุดส่วนบุคคลโหมดผู้ใช้ ใหญ่ข้อมูล preprocessing เทคนิคเหมืองข้อมูลรวมถึงการทำความสะอาดข้อมูล รหัสผู้ใช้ กลุ่มผู้ใช้เข้าถึงการรับรู้แบบแผนและผู้ใช้เส้นทางที่สมบูรณ์ ต่อไปนี้เป็นขั้นตอนที่เฉพาะเจาะจงของแบบแผนของผู้ใช้ :