The group recommendation problem de

The group recommendation problem defined above brings us several challenges. First, the groups are formed in ad hoc manner and usually ephemeral. For example, three friends may have dinner together and checkin the restaurant in a social network service. The user groups for such one-o social activities are usually not persistent, as different groups may be formed on another day. Thus, we do not treat these groups as pseudo users to apply single user recommendation techniques. There are very few item selections logged for each group, and some targeted group even has no previous history at all, leading to severe cold-start problem. Second, many services are group-centric which do not keep track of individual users' item selections/ratings. Thus, it requires a technique that would construct user preference profiles purely from group activities. Finally, how groups reach a decision to select an item is not well answered in previous studies. In [3, 2, 17, 25], group recommendations are made based on various strategies. In this study, we aim to model the impacts from different group members on group item selections, and then exploit such information in making recommendation for groups.

결과 (한국어) 1:

위에 정의 된 그룹 추천 문제 우리 몇 가지 과제를 제공 합니다. 첫째, 그룹에는 ad hoc 방식으로 형성 하 고 일반적으로 임시입니다. 예를 들어 세 친구 할 수 있습니다 저녁 식사 함께 소셜 네트워크 서비스에 레스토랑을 체크 하 고. 이러한 한-o 사회 활동에 대 한 사용자 그룹 없습니다 일반적으로 영구, 또 다른 하루에 다른 그룹을 형성 수 있습니다. 따라서, 우리 의사 사용자가 단일 사용자 추천 기법 적용으로 이러한 그룹을 처리 하지 않습니다. 각 그룹에 대 한 기록 거의 항목 선택 되며 일부 대상된 그룹도는 이전 역사 없이, 심한 감기 시작 문제에 지도. 둘째, 많은 서비스는 그룹 중심을 할 하지의 개별 사용자의 항목 선택/평가. 따라서, 사용자 기본 설정을 만들 것 이라고 하는 기술 필요 그룹 활동에서 순수 프로 파일. 마지막으로, 어떻게 그룹 항목을 선택 하는 결정에 도달 하지 잘 응답 된다 이전 연구에서. [3, 2, 17, 25] 그룹 권장 만들어집니다 따라 다양 한 전략에. 이 연구에서 우리 그룹 항목 선택에 다른 그룹 멤버에서 미치는 영향을 모델링 하는 것을 목표로 하 고 그룹에 대 한 권고를 만드는 등의 정보를 악용.

결과 (한국어) 2:

위에서 정의 된 그룹 추천 문제는 우리에게 여러 가지 도전을 제공합니다. 먼저, 그룹은 애드혹 방식 통상 단명에 형성된다. 예를 들어, 세 친구가 함께 저녁 식사를하고 소셜 네트워크 서비스의 레스토랑을 체크인 할 수 있습니다. 이러한 하나-O에 대한 사용자 그룹? 다른 그룹이 다른 날에 형성 될 수있다 사회적 활동은 일반적으로 지속되지 않습니다. 따라서, 우리는 단일 사용자 추천 기술을 적용하는 의사 사용자 이러한 그룹을 취급하지 않습니다. 이 각 그룹에 대해 기록 된 소수의 항목 선택은, 일부 대상 그룹은 심한 감기 스타트 문제로 이어지는, 전혀 병력이 없습니다. 둘째, 많은 서비스는 개인 사용자의 항목을 선택 / 등급을 추적하지 않는 그룹 중심이다. 따라서, 그룹 활동에서 순수 사용자 환경 프로 파일을 구축 할 기술이 필요하다. 그룹 항목을 선택하는 결정에 도달하는 방법을 마지막으로 잘 이전 연구에 나와 있지 않습니다. [3, 2, 17, 25]에서, 그룹의 권장 사항은 다양한 전략을 기반으로 만들어집니다. 본 연구에서는 그룹 항목 선택에 다른 그룹 멤버의 영향을 모델링 한 다음 그룹에 대한 추천을 만드는 등의 정보를 악용하는 것을 목표로하고 있습니다.

결과 (한국어) 3:

추천 문제는 이상 그룹 정의 우리에게 몇 도전하다.첫째, 그룹 만든 특별 방식, 보통 짧은.예를 들면, 세 수 있는 친구 함께 저녁을 먹고, 사인 한 사회 인터넷 서비스 식당.이런 one-o 사용자 그룹 사회 활동  보통 다른 그룹 지속적으로, 다른 날 만들어낼 수 있다.그래서우리는 결코 이 그룹 치료 가짜 사용자 한 사용자 - 기술 응용.거의 모든 팀 기록 항목 선택, 심지어 일부 타깃을 이미 지나간 없다. 모든 추운 문제 때문에 시작.둘째, 많은 서비스 단체 중심의 안 추적 / 평가 개별 사용자 항목을 선택하십시오.그래서더 기술 사용자의 선호 잠  파일 건설 순전히 단체 활동.마지막으로 결정을 얼마나 그룹 항목을 선택할 이전의 안 해.[3, 2, 17, 25], 그룹 기반 각종 정책 건의를 제기했다.이 글은 목적 모델 다른 그룹 구성원 영향을 그룹 항목 선택그리고 이렇게 하는 것을 개발 정보 단체.