Group recommender systems make item

Group recommender systems make item recommendations for a user group. Existing group recommender systems have been applied in web/news pages [18], tourism [15], music [14, 8], and TV programs and movies [17, 25]. Generally speaking, two main approaches have been proposed for group recommendation [11]. The first one creates an aggregated profile for a group based on individual profiles of its group members and makes recommendations based on the aggregated group profile [14, 25]. The second approach aggregates the recommendation results for individual members into a single group recommendation list. In other words, recommendations (i.e., ranked item lists) for individual members are created independently and then aggregated into a joint group recommendation list [4], where the aggregation functions could be based on average or least misery strategies [13, 17]. However, the group recommendation system can go beyond simple strategies such as averaging or least misery. In fact, the group member's personality and social status may determine how much weight his preference would determine group selections. Intrigue [3] take roles of tourist group members into account to recommend places to visit, (such that children would follow their parents' plans). The group members' disagreement to candidate items are considered in the recommendation score function in [2]. In this paper, we introduce the notion of personal impact which differentiates the contribution of group members to a decision in a different way. Personal impacts are useful for constructing group profiles to make good recommendations for groups.

결과 (한국어) 1:

그룹 추천자 시스템 사용자 그룹에 대 한 항목의 권장 사항을 확인합니다. 기존 그룹 추천자 시스템 웹/뉴스 페이지 [18], 관광 [15], 음악 [14, 8], 그리고 TV 프로그램 및 영화 [17, 25] 적용 되어 있다. 일반적으로 말하자면, 두 가지 주요 방법 그룹 추천 [11]에 대 한 제안 되었습니다. 첫 번째 그룹의 그룹 구성원의 개별 프로필에 기반에 대 한 집계 된 프로필을 만들고 [14, 25] 집계 그룹 프로 파일에 따라 추천 하 게. 두 번째 방법은 단일 그룹 추천 목록에 개별 회원에 대 한 추천 결과 집계합니다. 즉, 개별 회원에 대 한 권장 사항 (즉, 위 항목 목록) 독립적으로 만든 있으며 다음 집계 함수를 평균 기준 수 있는 공동 그룹 추천 목록 [4], 또는 [13, 17] 적어도 불행 전략으로 집계. 그러나, 그룹 추천 시스템 평균 등 간단한 전략 또는 적어도 고통을 넘어 갈 수 있습니다. 사실, 그룹 구성원의 성격 및 사회적 지위 얼마나 많은 무게를 결정할 수 있습니다 자신의 환경 그룹 선택 결정. 음모 [3] 고려 관광의 역할 그룹 구성원 (그런 아 이들이 그들의 부모 계획 따라), 방문 장소를 추천 합니다. 후보 항목에 그룹 구성원의 의견 [2] 점수 기능 추천에 간주 됩니다. 이 논문에서는, 다른 방식으로 그룹 구성원 결정에의 기여를 분화 하는 개인 영향의 개념을 소개 합니다. 개인 영향은 그룹 프로필 그룹에 대 한 좋은 추천을 생성 하는 데 유용 합니다.

결과 (한국어) 2:

그룹 추천인 시스템은 사용자 그룹에 대한 항목의 권장 사항을 확인합니다. 기존 그룹 추천인 시스템은 웹 / 뉴스 페이지에서 적용되었다 [18], 관광 [15], 음악, [14, 8], 및 TV 프로그램과 영화 [17, 25]. 일반적으로, 두 가지 접근법이 그룹 추천 [11]에서 제안되었다. 첫번째는 그 그룹 멤버의 개인 정보에 기초하여 그룹에 대한 집합 프로파일을 생성하고 응집 그룹 프로파일 [14, 25]에 기초하여 추천 정보를 만든다. 두 번째 접근법은 단일 그룹 추천 일람으로 개별 멤버에 대한 추천 결과를 집계. 즉, 개별 구성원에 대한 권장 사항 (즉, 위 항목 목록) 독립적으로 작성된 된 후 집계 함수가 평균 또는 적어도 불행 전략 [13, 17]에 기초 할 수있는 공동 그룹 추천 목록 [4]로 집계. 그러나, 그룹의 추천 시스템은 평균 또는 적어도 불행 간단한 전략을 넘어 갈 수 있습니다. 사실, 그룹 구성원의 성격과 사회적 지위는 그룹 선택을 결정하는 것입니다 얼마나 많은 무게를 자신의 우선 순위를 결정할 수있다. 음모 [3] (아이들이 부모의 계획을 따를 있도록), 방문하는 장소를 추천하는 계정에 관광 그룹 멤버의 역할을. 후보 항목에 그룹 구성원의 의견이에 추천 점수 기능으로 간주된다 [2]. 본 논문에서는, 우리는 다른 방법으로 결정에 그룹 구성원의 기여를 차별화 개인에 미치는 영향의 개념을 소개합니다. 개인 영향은 그룹에 대한 좋은 권고를하는 그룹 프로파일을 구성하는 데 유용합니다.

결과 (한국어) 3:

그룹 항목을 추천 시스템에 사용자 그룹 건의를 했다.추천 시스템에 존재하는 그룹 이미 페이지 웹 / 소식을 [] 18, 관광 [] [14 15, 음악, 8, 텔레비전 프로그램, 영화 [17, 25].일반적으로 말해서, 두 가지 방법은 [그룹 - 11].첫 번째 만들어 한 무리의 모여 프로필 기반 그 그룹 구성원 및 개인 자료를 바탕으로 하는 것을 모여 그룹 설정 파일 (14, 25].두 가지 방법이 모인 건의를 결국 한 팀 구성원 추천 목록.환언하면, 제안 (예:이어 목록 생성) 독립, 그리고 개인 그룹 목록 모여 - [4], 여기 모여 기능 정말 평균 또는 기초 위에 최소 고난 정책 [13, 17].근데, 팀 - 시스템 뛰어넘을 수 있는 간단한 평균 또는 최소 고통을 등 정책.사실그룹 구성원 인격, 사회적 지위를 무게가 얼마나 그의 선호 결정할 그룹 선택 결정할 것이다.음모 [3] 위한 역할 - 관광 그룹 구성원 고려해 참관할 (것이다, 그 자식 부모 계획).그룹 구성원 선택한 항목을 다른 고민 별점 기능을 추천 (2).이 글은 도입 다른 사람의 영향을 대한 결정을 한 팀 중 다른 방법이 있다.유용한 사람이 영향을 구조 그룹 파일 그룹 좋은 건의를 했다.