Group recommender systems are usual

Group recommender systems are usually designed using one of two architectures. In the first architecture, a “pseudo user” profile is generated from all group members, and an individual-based recommender system is then used at runtime to generate recommendations for the“pseudo user”, i.e., the group. This approach generally has good efficiency but does not work well for dynamic groups. In the second architecture, an individual-based recommender system is first used to generate recommendations for each group member, then a group consensus function is used to merge the individual recommendations and select ones that are most suitable for the whole group.

결과 (한국어) 1:

그룹 추천 시스템은 일반적으로 두 가지 아키텍처 중 하나를 사용 하 여 설계 되었습니다. 첫 번째 아키텍처에서 "의사 사용자" 프로필은 모든 그룹 구성원에서 생성 하 고 런타임, 즉 "의사 사용자"에 대 한 권장 사항을 생성 하는 그룹에 개인 기반 추천 시스템을 사용 다음. 이 접근은 일반적으로 좋은 효율을 하고있다 하지만 동적 그룹을 위해 잘 작동 하지 않습니다. 두 번째 아키텍처에서는 개인 기반 추천 시스템은 먼저 각 그룹 구성원에 대 한 권장 사항을 생성 하는 데 사용 됩니다 다음 그룹 합의 기능 개별 권고를 병합 하 고 전체 그룹에 대 한 가장 적합 한 것 들을 선택 하는.

결과 (한국어) 2:

그룹 추천인 시스템은 일반적으로 두 가지 구조 중 하나를 사용하여 설계되었습니다. 제 아키텍처에서, "의사 사용자"프로파일은 모든 그룹 멤버들로부터 생성되고, 개별 기반 추천 시스템이어서 "의사 사용자", 즉, 그룹에 대한 추천을 생성하기 위해 런타임시에 사용된다. 이 방법은 일반적으로 좋은 효율을 가지고 있지만 동적 그룹을 위해 잘 작동하지 않습니다. 제 아키텍처에서, 개별 기반 추천 시스템은 먼저 각각의 그룹 멤버를위한 추천 정보를 생성하는 데 사용되는 다음 그룹 합의 함수 개인 추천 병합하고 전체 그룹에 대한 가장 적합한 사람을 선택하는데 사용된다.

결과 (한국어) 3:

그룹 자주 쓰는 - 시스템 디자인 한 두 구조.첫 번째 건축, '가짜 사용자 "프로필 모든 그룹 구성원 생기는 기초 - 시스템, 한 사람이 쓸 때' 에 관한 가짜 사용자", 즉, 그룹.이 방법은 일반적으로 안 좋은 일을 잘 효율을 동적 단체.두 번째 건물 중 한 사람이 먼저 기초 - 시스템 만드는 데 건의에 대해 모든 그룹 구성원 한 무리의, 그리고 합의 기능을 사용할 것을 선택 합병, 그 사람이 가장 적합한 전체.