Our algorithm distinguished itself

Our algorithm distinguished itself from existing methods in the following aspects: (1) the full exploitation of contextual information including geo tag, taken time, user information, textual information and visual information. (2) A learning to rank model is adopted to automatically combine preference predictions from different con- textual information. (3) The user’s personal interest and current time and location are considered in the recommendation process.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมของเราโดดเด่นจากวิธีการที่มีอยู่ในด้านต่อไปนี้: (1) ประโยชน์เต็มข้อมูลบริบทรวมถึงจีโอแท็ก เอาเวลา ข้อมูลผู้ใช้ ข้อความข้อมูล และแสดงข้อมูล (2) การเรียนรู้อันดับรุ่นถูกนำมาใช้การคาดคะเนลักษณะต่างกันเปือนข้อมูลเป็นข้อความโดยอัตโนมัติ (3) ผู้สนใจส่วนบุคคลปัจจุบัน และเวลาจะพิจารณาในการแนะนำ

ผลลัพธ์ (ไทย) 2:

อัลกอริทึมของเราเด่นชัดจากวิธีการที่มีอยู่ในด้านต่อไปนี้ (1) การใช้ประโยชน์เต็มรูปแบบของข้อมูลบริบทรวมทั้งแท็กภูมิศาสตร์เวลาถ่าย, ข้อมูลของผู้ใช้ข้อมูลที่เป็นข้อความและข้อมูลภาพ (2) การเรียนรู้ในการจัดอันดับรูปแบบถูกนำมาใช้ในการรวมการคาดการณ์การตั้งค่าจากข้อมูลที่เป็นข้อความที่แตกต่างกันอย่างต่อโดยอัตโนมัติ (3) ความสนใจส่วนบุคคลของผู้ใช้และเวลาปัจจุบันและสถานที่ได้รับการพิจารณาในขั้นตอนการเสนอแนะของ