1. INTRODUCTIONWith the overwhelmin

1. INTRODUCTION
With the overwhelming information on the Internet and limitations of one-fit-all search
engines, advanced tools are required to enable users to find the right information and
make choices meeting their needs and expectations, thus enhancing their engagement
and overall satisfaction with online services. Recently, recommender systems have
been increasingly popular in assisting users with their choices. A recommender system
can be abstracted to consist of a user model, a community, an item (product) model, a recommender algorithm, and an interaction style [Zanker and Jessenitschnig 2009].
The user model provides all of the information for personalizing the user’s experience.
It captures the user interactions with items in user profiles. Mainly, these user interactions consist of explicit and implicit information about the user’s interest or preference
for items. Typically, recommender systems use ratings as a mechanism to proactively
express their interests in items and seamlessly collected clickstream data for inferring
users’ interests or preferences. This explicit and implicit information are usually referred to as explicit feedback or explicit rating and implicit feedback, or implicit rating
[Konstan et al. 1997; Jannach et al. 2011]. There has been significant research activity in this area since the 1990s. However, relatively little attention has been given to
questioning how user feedback is applied to recommender systems. Several recommendation algorithms do not account for the variability in human behavior and activity.
Often, they are hardwired for explicit ratings rather than implicit ratings.

ผลลัพธ์ (ไทย) 2:

1. บทนำ
ด้วยข้อมูลอย่างล้นหลามบนอินเทอร์เน็ตและข้อ จำกัด ของหนึ่งพอดีทั้งหมดค้นหา
เครื่องยนต์เครื่องมือขั้นสูงจะต้องให้ผู้ใช้สามารถค้นหาข้อมูลที่เหมาะสมและ
ให้ทางเลือกที่ตอบสนองความต้องการและความคาดหวังของพวกเขาจึงเพิ่มการมีส่วนร่วมของพวกเขา
และความพึงพอใจโดยรวมที่มี บริการออนไลน์ เมื่อเร็ว ๆ นี้ระบบ recommender ได้
รับความนิยมมากขึ้นในการให้ความช่วยเหลือผู้ใช้มีทางเลือกของพวกเขา ระบบ recommender
จะใจลอยจะประกอบด้วยรูปแบบการใช้ชุมชนรายการ (ผลิตภัณฑ์) รุ่นอัลกอริทึม recommender และรูปแบบการทำงานร่วมกัน [Zanker และ Jessenitschnig 2009].
รูปแบบการใช้งานให้ข้อมูลทั้งหมดสำหรับส่วนบุคคลของผู้ใช้ ประสบการณ์.
มันจับการมีปฏิสัมพันธ์กับผู้ใช้รายการในโปรไฟล์ผู้ใช้ ส่วนใหญ่ปฏิสัมพันธ์ของผู้ใช้เหล่านี้ประกอบด้วยข้อมูลที่ชัดเจนและโดยนัยเกี่ยวกับความสนใจของผู้ใช้หรือการตั้งค่า
สำหรับรายการ โดยปกติแล้วระบบ recommender ใช้การจัดอันดับเป็นกลไกในเชิงรุก
แสดงความสนใจของพวกเขาในรายการและเก็บรวบรวมข้อมูลเส้นทางต่อเนื่องสำหรับการอนุมาน
ความสนใจของผู้ใช้หรือการตั้งค่า นี้ข้อมูลที่ชัดเจนและโดยนัยนี้มักจะเรียกว่าเป็นข้อเสนอแนะที่ชัดเจนหรือการประเมินและข้อเสนอแนะที่ชัดเจนโดยปริยายหรือโดยปริยายคะแนน
[คงที่และคณะ 1997; Jannach และคณะ 2011] มีการกิจกรรมการวิจัยที่สำคัญในบริเวณนี้ตั้งแต่ปี 1990 แต่ความสนใจค่อนข้างน้อยได้รับการ
ตั้งคำถามว่าข้อเสนอแนะของผู้ใช้จะถูกนำไปใช้กับระบบ recommender ขั้นตอนวิธีการข้อเสนอแนะหลายไม่บัญชีสำหรับความแปรปรวนในพฤติกรรมของมนุษย์และกิจกรรม.
บ่อยครั้งที่พวกเขาจะเดินสายสำหรับการจัดอันดับอย่างชัดเจนมากกว่าการจัดอันดับโดยปริยาย

ผลลัพธ์ (ไทย) 3:

1 . บทนำ
กับยุ่งยากข้อมูลบนอินเทอร์เน็ต และข้อจำกัดของเครื่องมือค้นหาหนึ่งพอดี
ทั้งหมด เครื่องมือขั้นสูงจะต้องให้ผู้ใช้สามารถค้นหาข้อมูลและ
ให้เลือก ตอบสนองความต้องการและความคาดหวังของพวกเขา จึง เพิ่ม
หมั้นของพวกเขาโดยรวม และความพึงพอใจกับบริการออนไลน์ ระบบแนะนำได้
เมื่อเร็วๆ นี้ได้รับความนิยมมากขึ้นในการช่วยเหลือผู้ใช้กับตัวเลือกของพวกเขา ระบบแนะนำ
สามารถสรุปจำนวนผู้ใช้รูปแบบ , ชุมชน , สินค้า ( Product ) แบบ แนะนำวิธี และรูปแบบปฏิสัมพันธ์ และ jessenitschnig แซงเคอร์ [ 2009 ] .
ผู้ใช้แบบมีข้อมูลทั้งหมดเพื่อประสบการณ์ส่วนบุคคลของผู้ใช้ .
มันจับภาพผู้ใช้ปฏิสัมพันธ์กับรายการในโปรไฟล์ผู้ใช้ ส่วนใหญ่ การปฏิสัมพันธ์ของผู้ใช้เหล่านี้ประกอบด้วย อย่างชัดเจน และเปิดเผยข้อมูลเกี่ยวกับผู้ใช้ความสนใจหรือความชอบ
สำหรับรายการ โดยปกติ ระบบแนะนำใช้คะแนนเป็นกลไกเชิงรุก
แสดงความสนใจในสินค้า และสามารถเก็บข้อมูลการ clickstream
ผู้ใช้ความสนใจหรือความชอบนี้อย่างชัดเจน และข้อมูลระบบมักจะเรียกว่าความคิดเห็นชัดเจนและชัดเจน หรือจัดอันดับโดยปริยาย ติชม หรือโดยนัย )
[ konstan et al . 1997 ; jannach et al . 2011 ] มีกิจกรรมการวิจัยที่สำคัญในบริเวณนี้ตั้งแต่ปี 1990 อย่างไรก็ตามความสนใจค่อนข้างน้อยได้รับ

สงสัยว่าความคิดเห็นผู้ใช้ใช้ระบบแนะนำ .ขั้นตอนวิธีการแนะนำหลายไม่บัญชีสำหรับการเปลี่ยนแปลงในกิจกรรมพฤติกรรมมนุษย์และ .
มักจะ , พวกเขาจะฝังอยู่ในอันดับที่ชัดเจนมากกว่าการจัดอันดับนัย .