To evaluate the system, we conducte

To evaluate the system, we conducted an offline experiment on the real check-in sports dataset collected from Foursquare database. We collected 40,000 check-in spots over 10,000 current active users. We then select 20 users and then hide some of their already visited places for examining the recommender method. After that we use the method to recommend top-lO venues to each user by varying the nwnber of K local users. Figure 7 demonstrates the precisions and recalls of top-lO places recommended by the system on different K similar users.

ผลลัพธ์ (ไทย) 1:

เพื่อประเมินระบบ เราดำเนินการทดสอบแบบออฟไลน์บนชุดข้อมูลจริงในกีฬาที่รวบรวมจากฐานข้อมูลของ Foursquare เรารวบรวมจุดเช็คอิน 40,000 กว่า 10,000 ผู้ใช้ปัจจุบัน เราเลือกท่าน และซ่อนที่สถานของพวกเขาเข้ามาแล้วสำหรับการตรวจสอบผู้แนะนำวิธีการ หลังจากนั้น เราใช้วิธีการแนะนำด้านบน-หล่อ สถานที่แต่ละผู้ใช้โดย nwnber ของ K ผู้ใช้ท้องถิ่นที่แตกต่างกัน รูปที่ 7 แสดงถึงความแม่นยำและเรียกคืนของ-หล่อ สถานแนะนำ โดยระบบผู้ใช้คล้าย K แตกต่างกัน

ผลลัพธ์ (ไทย) 2:

ในการประเมินระบบเราดำเนินการทดลองแบบออฟไลน์ในการตรวจสอบในชุดกีฬาจริงที่เก็บรวบรวมจากฐานข้อมูล Foursquare เราเก็บรวบรวม 40,000 เช็คอินในจุดกว่า 10,000 ผู้ใช้ที่ใช้งานอยู่ในปัจจุบัน จากนั้นเราจะเลือกผู้ใช้ 20 คนแล้วซ่อนบางส่วนของสถานที่เข้าชมแล้วของพวกเขาสำหรับการตรวจสอบวิธีการ recommender หลังจากนั้นเราจะใช้วิธีการที่จะขอแนะนำสถานที่ด้านบน-Lo ผู้ใช้แต่ละคนที่แตกต่างกันโดย nwnber ของผู้ใช้ในท้องถิ่นเค รูปที่ 7 แสดงให้เห็นถึงแม่นยำและจำได้ว่าด้านบนของ-Lo สถานที่แนะนำโดยระบบ K ที่แตกต่างกันผู้ใช้ที่คล้ายกัน

ผลลัพธ์ (ไทย) 3:

ประเมินระบบ เราทำการทดลองแบบออฟไลน์บนข้อมูลที่รวบรวมจากฐานข้อมูลกีฬาจริงเช็คอิน Foursquare . เราเก็บได้กว่า 10 , 000 , 000 จุดเช็คอินในปัจจุบันผู้ใช้งาน . จากนั้นเราก็เลือก 20 ผู้ใช้แล้วซ่อนบางส่วนของพวกเขาได้เข้าเยี่ยมชมสถานที่สำหรับการแนะนำวิธีการ หลังจากที่เราใช้วิธีแนะนำสถานที่โลด้านบนเพื่อผู้ใช้แต่ละที่ nwnber K ผู้ใช้ท้องถิ่น รูปที่ 7 แสดงให้เห็นความถูกต้องและการเรียกคืนบนโล แนะนำสถานที่ โดยระบบของผู้ใช้ที่คล้ายกัน K ที่แตกต่างกัน