To solve the group recommendation p

To solve the group recommendation problem defined above, we need to address two issues: 1) how to prole preferences of individual users, and 2) how to model the group selection decision making process, given the preferences of its members. To address these issues, we propose to use the latent topic modeling approach which is known for achieving good recommendations even when dataset is sparse [10, 24]. Moreover, the model provides an interpretation of the item selection process.

결과 (한국어) 1:

위에 정의 된 그룹 추천 문제를 해결 하려면 우리는 두 가지 문제를 해결 하기 위해 필요: 1) 프로 르 환경 설정 개별 사용자, 및 2) 회원의 선호를 주어진 그룹 선택 결정 만드는 과정을 모델링 하는 방법 하는 방법. 이러한 문제를 해결 하려면 잠재적인 주제 모델링 접근 dataset 스파스 경우에 좋은 추천을 달성 하기 위한 알려져 있다 [10, 24]를 사용 하 여 제안 한다. 또한, 모델 항목 선정 과정의 해석을 제공합니다.

결과 (한국어) 2:

그룹 추천 문제는 위의 정의 해결하기 위해, 우리는 두 가지 문제를 해결해야합니다 : 1) 회원의 기본 설정을 주어진 개별 사용자의 프로 제작 : 환경 설정, 2) 방법 그룹 선택 의사 결정 프로세스를 모델링하는, 방법. 데이터 셋이 부족한 경우에도 이러한 문제를 해결하기 위해, 우리는 좋은 권장을 달성하기위한 공지 된 잠상 화제 모델링 방법을 사용하는 것을 제안 [10, 24]. 더욱이, 모델은 아이템 선택 프로세스의 해석을 제공한다.

결과 (한국어) 3:

그룹 문제를 해결할 것을 이상의, 우리는 반드시 두 문제를 해결할: 1) 어떻게 잠  le 선호, 개별 사용자 2) 어떻게 모델 선택 결정 과정 그룹 설정 멤버 거야.이 문제에 대해우리 손으로 잠재적 테마 모델 즉, 설령 좋은 것을 데이터 드물다 [10, 24].그리고 이 모델, 위해 한 항목 선택 과정에 해석.