The results found, such as the dura

The results found, such as the duration time distribution
of online videos and its number of tags, are important for
learning about our database, and it can contribute to the
decision made during the entire research.
We also propose a recommendation technique based on
the object being consumed. This method has the goal of
the generation of similarities rankings between the database
items (in most cases, online videos). From this, we elaborate
three models that uses different dimensions to compare
items, an compare it with a state-of-the-art technique called
WRMF. The experiments exposed demonstrate that, the
more information considered about the video consuming is
used for the ranking generation, the better are the recommendations
results. Experimental results indicate that the
proposed method is very promissing, which had obtained
almost 70% in precision. We also perform distinct evaluations
using different approaches from literature, such as the
state-of-the-art technique for item recommendation.
The results presented in this paper are important for both
user and provider of Multimedia Web Content, and it can be
applied in the generation of personalized services, besides
the recommendation of this content. As future work, we are
going to explore the information about the user, besides the
utilization of different dimension for similarity calculation
between items. Finally, in partnership with Sambatech, we
are going to apply the techniques developed in this paper in
a real environment to improve its recommendation service.
VIII. ACKNOWLEDGMENTS
This work was partially sponsored by Sambatech
(www.sambatech.com.br) and partially supported by the
Brazilian National Institute of Science and Technology for
the Web (CNPq grant no. 573871/2008-6), CAPES, CNPq,
Finep and Fapemig.

ผลลัพธ์ (ไทย) 1:

ผลลัพธ์ที่พบ เช่นการกระจายเวลาระยะเวลาวิดีโอออนไลน์และจำนวนแท็ก มีความสำคัญสำหรับเรียนรู้เกี่ยวกับฐานข้อมูลของเรา และมันสามารถนำไปสู่การตัดสินใจในระหว่างการวิจัยทั้งหมดนอกจากนี้เรายังนำเสนอเทคนิคคำแนะนำตามวัตถุถูกใช้ วิธีการนี้มีเป้าหมายในการการสร้างการจัดอันดับความคล้ายคลึงกันระหว่างฐานข้อมูลสินค้า (ในกรณีส่วนใหญ่ วิดีโอออนไลน์) จากนี้ เราทำอย่างละเอียดสามรุ่นที่ใช้ขนาดที่แตกต่างกันเพื่อเปรียบเทียบรายการ การเปรียบเทียบกับเทคนิคทันสมัยเรียกว่าWRMF การทดลองที่เปิดเผยแสดงให้เห็นว่า การพิจารณาเกี่ยวกับการใช้วิดีโอข้อมูลเพิ่มเติมใช้สำหรับการสร้างการจัดอันดับ ดีมีคำแนะนำผลลัพธ์ที่ ผลการทดลองบ่งชี้ว่า การวิธีการนำเสนอเป็น promissing มาก ซึ่งได้รับเกือบ 70% ในความแม่นยำ นอกจากนี้เรายังดำเนินการประเมินแตกต่างกันโดยใช้วิธีต่างจากวรรณคดี เช่นการเทคนิคศิลปะสำหรับแนะนำสินค้าผลการนำเสนอในเอกสารนี้มีความสำคัญสำหรับทั้งสองผู้ใช้และผู้ให้บริการมัลติมีเดียเว็บเนื้อหา และสามารถใช้ในการสร้างบริการ นอกจากคำแนะนำเนื้อหา ทำงานในอนาคต รับการสำรวจข้อมูลเกี่ยวกับผู้ใช้ ทางไปใช้ขนาดแตกต่างกันสำหรับการคำนวณความคล้ายคลึงกันระหว่างรายการ ในที่สุด ในความร่วมมือกับ Sambatech เราจะใช้เทคนิคที่พัฒนาขึ้นในกระดาษนี้สภาพแวดล้อมจริงในการปรับปรุงบริการแนะนำVIII. ACKNOWLEDGMENTSงานนี้บางส่วนสนับสนุน โดย Sambatech(www.sambatech.com.br) และบางส่วนได้รับการสนับสนุนโดยการสถาบันวิทยาศาสตร์และเทคโนโลยีแห่งชาติบราซิลเว็บ (ให้ CNPq 573871 หมายเลขต่อ 2008-6), หมวก CNPqFinep และ Fapemig

ผลลัพธ์ (ไทย) 2:

ผลการพบเช่นการกระจายระยะเวลาของวิดีโอออนไลน์และจำนวนครั้งของการแท็กมีความสำคัญสำหรับการเรียนรู้เกี่ยวกับฐานข้อมูลของเราและมันสามารถนำไปสู่การตัดสินใจที่เกิดขึ้นในระหว่างการวิจัยทั้งหมด. นอกจากนี้เรายังนำเสนอเทคนิคคำแนะนำขึ้นอยู่กับวัตถุมีการใช้ วิธีการนี้มีเป้าหมายของการสร้างการจัดอันดับความคล้ายคลึงกันระหว่างฐานข้อมูลรายการ(ในกรณีส่วนใหญ่วิดีโอออนไลน์) จากนี้เราทำอย่างละเอียดสามรุ่นที่ใช้มิติที่แตกต่างเพื่อเปรียบเทียบรายการการเปรียบเทียบกับรัฐของศิลปะเทคนิคที่เรียกว่าWRMF การทดลองแสดงให้เห็นว่าสัมผัสที่ข้อมูลเพิ่มเติมเกี่ยวกับการพิจารณาการบริโภควิดีโอที่ถูกนำมาใช้เพื่อการสร้างการจัดอันดับที่ดีกว่าเป็นคำแนะนำผล ผลการทดลองแสดงให้เห็นว่าวิธีการที่นำเสนอเป็น promissing มากซึ่งได้รับเกือบ70% ในความแม่นยำ นอกจากนี้เรายังดำเนินการประเมินผลที่แตกต่างกันโดยใช้วิธีการที่แตกต่างจากวรรณกรรมเช่นเทคนิครัฐของศิลปะสำหรับคำแนะนำรายการ. ผลที่แสดงอยู่ในเอกสารนี้เป็นสิ่งที่สำคัญสำหรับทั้งผู้ใช้และผู้ให้บริการเนื้อหาเว็บมัลติมีเดียและสามารถนำไปใช้ในการสร้างบริการส่วนบุคคลที่นอกเหนือจากคำแนะนำของเนื้อหานี้ ขณะที่การทำงานในอนาคตเราจะไปสำรวจข้อมูลเกี่ยวกับผู้ใช้นอกเหนือจากการใช้ประโยชน์จากมิติที่แตกต่างกันสำหรับการคำนวณความคล้ายคลึงกันระหว่างรายการ สุดท้ายในความร่วมมือกับ Sambatech เราจะใช้เทคนิคที่พัฒนาในเอกสารนี้ในสภาพแวดล้อมที่แท้จริงในการปรับปรุงการให้บริการคำแนะนำ. VIII กิตติกรรมประกาศงานนี้ได้รับการสนับสนุนบางส่วนจาก Sambatech (www.sambatech.com.br) และได้รับการสนับสนุนบางส่วนจากสถาบันแห่งชาติบราซิลของวิทยาศาสตร์และเทคโนโลยีเพื่อเว็บ(CNPq อนุญาตให้ no. 573871 / 2008-6) เสื้อคลุม CNPq, Finep และ Fapemig