Recommender systems systems apply d

Recommender systems systems apply data analysis techniques to the problem of helping users find the items they
would like to purchase at E-Commerce sites by producing a predicted likeliness score or a list of top–N recommended
items for a given user. Item recommendations can be made using different methods. Recommendations can be based
on demographics of the users, overall top selling items, or past buying habit of users as a predictor of future items.
Collaborative Filtering (CF) [19, 27] is the most successful recommendation technique to date. The basic idea of
CF-based algorithms is to provide item recommendations or predictions based on the opinions of other like-minded
users. The opinions of users can be obtained explicitly from the users or by using some implicit measures.

ผลลัพธ์ (ไทย) 1:

ผู้แนะนำระบบระบบใช้เทคนิคการวิเคราะห์ข้อมูลการช่วยผู้ใช้ค้นหาสินค้าเหล่านั้นต้องการซื้อที่เว็บไซต์อีคอมเมิร์ซ โดยผลิตคะแนนคาดการณ์ likeliness หรือรายการของด้านบน – N แนะนำสินค้าสำหรับผู้ใช้ที่กำหนด แนะนำสินค้าสามารถทำได้โดยใช้วิธี สามารถใช้คำแนะนำในลักษณะประชากร ของผู้ ใช้ ด้านบนโดยรวมขายสินค้า หรือที่ผ่าน มาซื้อนิสัยของผู้ใช้เป็นผู้ทายผลของสินค้าในอนาคตร่วมกรอง (CF) [19, 27] เป็นเทคนิคคำแนะนำประสบความสำเร็จมากที่สุดวันที่ ความคิดพื้นฐานของการอัลกอริทึมที่ใช้ CF คือการ ให้คำแนะนำสินค้าหรือคาดคะเนตามความเห็นของอื่น ๆ พบปะผู้ใช้ ความคิดเห็นของผู้ใช้สามารถได้รับอย่างชัดเจน จากผู้ใช้ หรือ โดยการใช้มาตรการบางนัย

ผลลัพธ์ (ไทย) 2:

ระบบระบบ Recommender ใช้เทคนิคการวิเคราะห์ข้อมูลในการแก้ไขปัญหาของการช่วยให้ผู้ใช้ค้นหารายการที่พวกเขา
ต้องการที่จะซื้อที่เว็บไซต์อีคอมเมิร์ซโดยการผลิตที่คาดการณ์คะแนนความชอบหรือรายการ top-N แนะนำ
รายการสำหรับผู้ใช้ที่ได้รับ คำแนะนำสินค้าสามารถทำได้โดยใช้วิธีการที่แตกต่างกัน ข้อเสนอแนะสามารถขึ้นอยู่
ในกลุ่มผู้เข้าชมของผู้ใช้โดยรวมรายการที่มียอดขายสูงสุดหรือที่ผ่านมานิสัยการซื้อของผู้ใช้เป็นปัจจัยบ่งชี้ของรายการในอนาคต.
กรองความร่วมมือ (CF) [19, 27] เป็นเทคนิคคำแนะนำที่ประสบความสำเร็จมากที่สุดในปัจจุบัน แนวคิดพื้นฐานของ
อัลกอริทึม CF-based คือการให้คำแนะนำสินค้าหรือการคาดการณ์บนพื้นฐานของความคิดเห็นของผู้ที่มีใจเดียวกันอื่น ๆ ที่
ผู้ใช้ ความคิดเห็นของผู้ใช้สามารถรับได้อย่างชัดเจนจากผู้ใช้หรือโดยการใช้มาตรการนัยบางอย่าง

ผลลัพธ์ (ไทย) 3:

แนะนำระบบใช้เทคนิคการวิเคราะห์ข้อมูลเพื่อปัญหาในการช่วยให้ผู้ใช้ค้นหาสินค้าพวกเขา
อยากซื้อที่เว็บไซต์อี - คอมเมิร์ซ โดยการผลิตคาดการณ์ likeliness คะแนนหรือรายการแนะนำ–ด้านบน n
รายการสำหรับให้ผู้ใช้ แนะนำรายการจะทำโดยใช้วิธีการที่แตกต่างกัน คำแนะนำสามารถใช้
ในประชากรของผู้ใช้โดยรวม ด้านการขายสินค้าหรือที่ผ่านมาซื้อนิสัยของผู้ใช้ได้ดีรายการในอนาคต .
) การกรอง ( CF ) [ 19 , 27 ] เป็นเทคนิคแนะนำที่ประสบความสำเร็จที่สุดในวันที่ แนวคิดพื้นฐานของ
CF ตามขั้นตอนวิธีเพื่อให้ข้อ แนะนำ หรือคาดคะเนตามความคิดเห็นของผู้ใช้ที่มีใจเดียวกัน
อื่น ๆ ความคิดเห็นของผู้ใช้ที่สามารถรับได้อย่างชัดเจน จากผู้ใช้ หรือ โดยการใช้มาตรการบางอย่างนัย .