Large scale virtual worlds such as

Large scale virtual worlds such as massive multiplayer online games or 3D worlds gained tremendous popularity over the past few years. With the large and ever increasing amount of content available, virtual world users face the information overload problem. To tackle this issue, game-designers usually deploy recommendation services with the aim of making the virtual world a more joyful environment to be connected at. In this context, we present in this paper the results of a project that aims at understanding the mobility patterns of virtual world users in order to derive place recommenders for helping them to explore content more efficiently. Our study focus on the virtual world SecondLife, one of the largest and most prominent in recent years. Since SecondLife is comparable to realworld Location-based Social Networks (LBSNs), i.e., users can both check-in and share visited virtual places, a natural approach is to assume that place recommenders that are known to work well on real-world LBSNs will also work well on SecondLife. We have put this assumption to the test and found out that (i) while collaborative filtering algorithms have compatible performances in both environments, (ii) existing place recommenders based on geographic metadata are not useful in SecondLife.

ผลลัพธ์ (ไทย) 1:

โลก 3 มิติหรือโลกเสมือนจริงขนาดใหญ่เช่นเกมออนไลน์มัลติเพลเยอร์ขนาดใหญ่ได้รับความนิยมอย่างมากไม่กี่ปีผ่านมา มีขนาดใหญ่ และเพิ่มขึ้นจำนวนเนื้อหาที่พร้อมใช้งาน โลกเสมือนผู้ใช้ประสบปัญหาเกินข้อมูล เพื่อรับมือกับปัญหานี้ นักออกแบบเกมมักจะปรับใช้คำแนะนำบริการ ด้วยจุดมุ่งหมายของการทำให้โลกเสมือนสภาพแวดล้อมที่สนุกสนานมากขึ้นการเชื่อมต่อที่ ในบริบทนี้ เรานำเสนอในเอกสารนี้ผลลัพธ์ของโครงการที่มีวัตถุประสงค์เพื่อทำความเข้าใจรูปแบบการเคลื่อนที่ของโลกเสมือนผู้ใช้เพื่อที่จะได้ recommenders ที่ช่วยให้พวกเขาสำรวจเนื้อหาได้อย่างมีประสิทธิภาพ มุ่งเน้นการศึกษาบนโลกเสมือนจริง SecondLife หนึ่งในที่ใหญ่ที่สุด และโดดเด่นที่สุดในปี ตั้งแต่ SecondLife เทียบกับ realworld ตามตำแหน่งที่ตั้งเครือข่ายทางสังคม (LBSNs), เช่น ผู้ใช้สามารถเช็คอินทั้งสองร่วมกันเข้าเยี่ยมชมสถานเสมือน ใช้วิธีธรรมชาติคือการ สมมติสถานที่ recommenders ที่ทราบว่าทำงานบน LBSNs จริง จะทำงานได้ดีบน SecondLife เราได้นำสมมติฐานนี้ในการทดสอบ และพบว่า (i) ขณะที่อัลกอริทึมกรองร่วมแสดงเข้ากันได้ทั้งสองระบบ recommenders สถานที่ (ii) ที่มีอยู่ตามภูมิศาสตร์ข้อมูลเมตาจะไม่มีประโยชน์ใน SecondLife

ผลลัพธ์ (ไทย) 2:

ขนาดใหญ่โลกเสมือนเช่นเกมออนไลน์มัลติเพลเยอร์ขนาดใหญ่หรือโลก 3 มิติได้รับความนิยมอย่างมากในช่วงไม่กี่ปีที่ผ่านมา ที่มีจำนวนมากและเคยเพิ่มขึ้นของเนื้อหาที่มีผู้ใช้โลกเสมือนจริงประสบปัญหาข้อมูลเกินพิกัด เพื่อรับมือกับปัญหานี้เกมนักออกแบบมักจะปรับใช้บริการคำแนะนำโดยมีจุดประสงค์ของการทำโลกเสมือนสภาพแวดล้อมที่มีความสุขมากขึ้นที่จะเชื่อมต่อที่ ในบริบทนี้เรานำเสนอในบทความนี้ผลของโครงการที่มีจุดมุ่งหมายในการทำความเข้าใจรูปแบบการเคลื่อนไหวของผู้ใช้โลกเสมือนจริงเพื่อให้ได้มา recommenders สถานที่สำหรับการช่วยให้พวกเขาสำรวจเนื้อหามีประสิทธิภาพมากขึ้นที่ มุ่งเน้นการศึกษาของเราในโลกเสมือนจริง SecondLife หนึ่งที่ใหญ่ที่สุดและโดดเด่นที่สุดในปีที่ผ่านมา ตั้งแต่ SecondLife ก็เปรียบได้กับ RealWorld ตามสถานที่เครือข่ายทางสังคม (LBSNs) คือผู้ใช้สามารถทั้งการเช็คอินและแบ่งปันสถานที่เสมือนเข้าเยี่ยมชมวิธีธรรมชาติคือการคิดว่า recommenders สถานที่ที่เป็นที่รู้จักกันทำงานได้ดีบน LBSNs โลกแห่งความจริงจะ ยังทำงานได้ดีบน SecondLife เราได้ใส่สมมติฐานนี้เพื่อทดสอบและพบว่า (i) ในขณะที่ขั้นตอนวิธีการกรองการทำงานร่วมกันมีการแสดงที่เข้ากันได้ทั้งในสภาพแวดล้อม (ii) ที่มีอยู่ recommenders สถานที่อยู่บนพื้นฐานของเมตาดาต้าทางภูมิศาสตร์ไม่ได้ประโยชน์ใน SecondLife

ผลลัพธ์ (ไทย) 3:

โลกเสมือนจริงขนาดใหญ่เช่นขนาดใหญ่หลายเกมออนไลน์หรือโลก 3 มิติที่ได้รับความนิยมอย่างมากในช่วงหลายปีที่ผ่านมา ที่มีขนาดใหญ่และเคยเพิ่มปริมาณเนื้อหาของผู้ใช้เสมือนโลกหน้าเกินข้อมูลปัญหา เพื่อแก้ไขปัญหานี้ นักออกแบบเกมมักจะใช้บริการแนะนำกับจุดประสงค์ของการสร้างโลกเสมือนจริงสภาพแวดล้อมที่สนุกสนานมากกว่าที่จะเชื่อมต่อที่ ในบริบทนี้เราอยู่ในกระดาษนี้ผลลัพธ์ของโครงการที่มุ่งทำความเข้าใจเกี่ยวกับการเคลื่อนไหวรูปแบบของโลกเสมือนจริงของผู้ใช้เพื่อให้ได้สถานที่ recommenders เพื่อช่วยให้พวกเขาเพื่อสำรวจเนื้อหาได้อย่างมีประสิทธิภาพ มุ่งเน้นการศึกษาของเราในเซคั่นไลฟ์โลกเสมือนเป็นหนึ่งในที่ใหญ่ที่สุดและโดดเด่นที่สุดในปีที่ผ่านมา ตั้งแต่เซคั่นไลฟ์ก็เปรียบได้กับสถานที่ realworld ตามเครือข่ายทางสังคม ( lbsns ) คือ ผู้ใช้ทั้งสองสามารถเช็คอินและร่วมเยี่ยมชมสถานที่ต่าง ๆ เสมือนจริง วิธีธรรมชาติ คือ สมมติว่า สถานที่ recommenders ที่ทราบว่าทำงานได้ดีบน lbsns จริงจะยังทำงานได้ดีในเซคั่นไลฟ์ . เราได้วางสมมติฐานนี้เพื่อทดสอบและพบว่า ( ผม ) ในขณะที่ขั้นตอนวิธีการกรองร่วมกัน มีการแสดงทั้งในสภาพแวดล้อมที่รองรับ ( 2 ) ที่มีอยู่ในสถานที่ recommenders ขึ้นอยู่กับข้อมูลทางภูมิศาสตร์ไม่ได้มีประโยชน์ในเซคั่นไลฟ์ .