VI. RECOMMENDATIONFrom the model de

VI. RECOMMENDATION
From the model defined in Section III, we developed a
recommendation based on object (or video) being consumed.
Two of the most important problems of recommendation
systems area are associated to the recommendation of Best
Item and the Top-N items [14]. The first one consists of
finding, for a specific user, the most interesting item, usually
defined from previously ratings for database items. When
these kind of ratings is not available, and only a list of
purchases or access from an user is known, the problem
turns to find a list or ranking with N potential items of his/her
interest.
Considering our online video environment, we do not have
any type of video rating, but only the user views of each
object. So, the mainly idea of our application is based on
the recommendation of a ranking with potential items (TopN).
We propose to generate this ranking by combining several
object dimensions. According to methodology described in
Section III, such dimensions can be defined from:
• Object: it groups only the object metadata and speci-
fications, as title, description and duration time.
• How/When/Where the object is consumed: it groups
information as popularity, localization and time of
access (consume).
• Who is accessing the object: it groups information
about the user, such as gender and age.
Thus, each item i from our database is compared with all
other items, using a set of these dimensions. The result is a
list of similarities between all the items and i. In the end, our
recommended items are defined after sorting these values to
build a ranking, and chose the N most similar items to i.
These recommendation process can be resumed in:
1) Define the dimensions used for item comparison;
2) Generate a list of similarities between all items from
our database;
3) Sort this list of similarities;

ผลลัพธ์ (ไทย) 1:

VI. คำแนะนำจากแบบที่กำหนดไว้ในมาตรา III เราได้พัฒนาเป็นคำแนะนำอิงวัตถุ (หรือวิดีโอ) ถูกใช้สองปัญหาสำคัญที่สุดของคำแนะนำพื้นที่ระบบเชื่อมโยงกับคำแนะนำที่ดีที่สุดสินค้าและสินค้าด้านบน N [14] แรกประกอบด้วยค้นหา ผู้ใช้ที่ระบุ สินค้าน่าสนใจ มักจะกำหนดจากก่อนหน้านี้การจัดอันดับสำหรับฐานข้อมูลสินค้า เมื่อชนิดของการจัดอันดับเหล่านี้ไม่พร้อมใช้งาน และเพียงรายซื้อหรือเข้าถึงจากผู้ที่เป็นที่รู้จักกัน ปัญหาเปิดการค้นหารายการหรือจัดอันดับกับ N สินค้าศักยภาพของตนสนใจพิจารณาแวดล้อมวิดีโอออนไลน์ เราไม่ได้ชนิดของการจัดอันดับวิดีโอ แต่เฉพาะผู้ใช้มุมมองของแต่ละวัตถุ ดังนั้น เป็นไปตามความคิดส่วนใหญ่ของโปรแกรมของเราคำแนะนำในการจัดอันดับด้วยศักยภาพสินค้า (TopN)จะสร้างการจัดอันดับนี้ โดยรวมหลายมิติของวัตถุ ตามวิธีที่อธิบายไว้ในส่วน III มิติดังกล่าวสามารถกำหนดได้จาก:•วัตถุ: มันกลุ่มเฉพาะวัตถุ metadata และ speci -fications ชื่อเรื่อง คำอธิบาย และระยะเวลาเวลา•วิธี/เมื่อ/สถานที่มีบริโภควัตถุ: มันกลุ่มข้อมูลที่เป็นความนิยม ภาษา และการเข้า (กิน)ใครจะเข้าถึงวัตถุ: ข้อมูลกลุ่มมันเกี่ยวกับผู้ใช้ เพศและอายุดังนั้น แต่ละรายการที่ฉันจากฐานข้อมูลของเราเปรียบเทียบกับทั้งหมดรายการอื่น ๆ ใช้ชุดของมิติเหล่านี้ ผลที่ได้คือการรายการของความคล้ายคลึงกันระหว่างสินค้าทั้งหมดและ ในสุด ของเราสินค้าแนะนำกำหนดไว้หลังจากการเรียงค่าเหล่านี้ไปสร้างในการจัดอันดับ และเลือก N รายการคล้ายไปกระบวนการคำแนะนำเหล่านี้สามารถทำได้ใน:1) กำหนดขนาดที่ใช้สำหรับการเปรียบเทียบสินค้า2) สร้างความเหมือนระหว่างสินค้าทั้งหมดจากรายการฐานข้อมูลของเรา3) เรียงรายคล้ายคลึงกัน

ผลลัพธ์ (ไทย) 2:

พระมงกุฎเกล้าเจ้าอยู่หัว แนะนําจากรูปแบบที่กำหนดไว้ในมาตรา III, เราพัฒนาคำแนะนำบนพื้นฐานของวัตถุ(หรือวิดีโอ) ที่ถูกใช้. สองปัญหาที่สำคัญที่สุดของข้อเสนอแนะพื้นที่ระบบจะเกี่ยวข้องกับคำแนะนำของที่ดีที่สุดในรายการและรายการยอดนิยม-N [14] . คนแรกประกอบด้วยการค้นพบสำหรับผู้ใช้เฉพาะรายการที่น่าสนใจที่สุดมักจะกำหนดจากการจัดอันดับก่อนหน้านี้สำหรับรายการฐานข้อมูล เมื่อชนิดของการจัดอันดับเหล่านี้ไม่สามารถใช้ได้และมีเพียงรายชื่อของการซื้อหรือการเข้าถึงจากผู้ใช้เป็นที่รู้จักกันปัญหาหันไปหารายการหรือการจัดอันดับกับรายการที่อาจเกิดขึ้นยังไม่มีของเขา/ เธอที่น่าสนใจ. พิจารณาสภาพแวดล้อมวิดีโอออนไลน์ของเราที่เราทำ ไม่ได้มีรูปแบบของการจัดอันดับวิดีโอแต่เพียงผู้ใช้มุมมองของแต่ละวัตถุ ดังนั้นส่วนใหญ่ความคิดของโปรแกรมของเราจะขึ้นอยู่กับข้อเสนอแนะของการจัดอันดับที่มีรายการที่มีศักยภาพ (TopN). เราเสนอในการสร้างการจัดอันดับนี้โดยการรวมหลายมิติวัตถุ ตามวิธีการที่ระบุไว้ในมาตราที่สามมิติดังกล่าวสามารถกำหนดจาก: •วัตถุ: กลุ่มเมตาดาต้าเพียงวัตถุและ speci-. fications เป็นชื่อคำอธิบายและระยะเวลา•วิธี/ เมื่อ / ในกรณีที่วัตถุมีการบริโภค: มันกลุ่มข้อมูลความนิยมท้องถิ่นและเวลาในการเข้าใช้งาน (กิน). •ใครกำลังเข้าถึงวัตถุ: กลุ่มมันข้อมูล. เกี่ยวกับผู้ใช้เช่นเพศและอายุดังนั้นแต่ละรายการฉันจากฐานข้อมูลของเราเมื่อเทียบกับรายการอื่น ๆ โดยใช้ ชุดขนาดนี้ ผลที่ได้คือรายชื่อของความคล้ายคลึงกันระหว่างรายการทั้งหมดและฉัน ในท้ายที่สุดเรารายการแนะนำที่กำหนดไว้หลังจากการเรียงลำดับค่าเหล่านี้เพื่อสร้างการจัดอันดับและเลือกยังไม่มีรายการที่คล้ายกันมากที่สุดในการi. กระบวนการข้อเสนอแนะเหล่านี้สามารถกลับมา: 1) กำหนดขนาดที่ใช้สำหรับเปรียบเทียบรายการ; 2) สร้าง รายชื่อของความคล้ายคลึงกันระหว่างทุกรายการจากฐานข้อมูลของเรา; 3) เรียงลำดับรายการที่คล้ายคลึงกันนี้