The rest of the paper is organized as follows. In Section 2, we review related works for both recommender systems designed for individual users as well as those for a group of users. In Section 3, we define the tackled group recommendation problem and provide some background for the proposed probabilistic models. The personal impact parameters are introduced in Section 4. Accordingly, we propose the personal impact topic (PIT) model to address the proposed recommender problem and extend the PIT model by exploring additional social features. In Section 5, we evaluate our proposed models using three datasets and conclude the paper in Section 6.
종이의 나머지는 다음과 같이 구성 됩니다. 우리 두 추천자 시스템에 대 한 관련된 작품을 검토 하는 제 2개별 사용자 뿐만 아니라 사용자의 그룹에 대 한 설계 되었습니다. 섹션 3, 우리는 달려 든된 그룹 추천 문제를 정의 하 고 제안 된 확률 모델에 대 한 몇 가지 배경을 제공. 개인 영향 매개 변수 섹션 4에 소개 된다. 따라서, 우리는 개인 영향 항목 (구 덩이) 모델 제안된 추천자 문제를 해결 하 고 추가적인 사회적인 기능을 탐구 하 여 구 덩이 모델 확장을 제안 합니다. 섹션 5에서 우리 세 개의 데이터 집합을 사용 하 여 우리의 제안 된 모델을 평가 하 고 결론 섹션 6에 종이.
논문은 다음과 같이 구성되어있다. 섹션 2에서, 우리는 두 추천인 시스템 관련 연구 검토 개별 사용자뿐만 아니라 이들에 대한 사용자들의 그룹을 위해 설계. 3 장에서는, 우리는 태클 그룹 추천 문제를 정의하고 제안 된 확률 모델에 대한 몇 가지 배경을 제공합니다. 개인 충격 파라미터는 우리가 제안 된 추천 문제를 해결하고 추가적인 소셜 기능을 탐색하여 PIT 모델을 확장하는 개인 충돌 항목 (PIT) 모델을 제안하고, 이에 따라 제 4에 도입된다. 제 5 절에서 우리는 세 가지 데이터 세트를 사용하여 제안 된 모델을 평가하고 6 장에서 결론을 내린다.
이 글은 다른 다음과 같습니다.제 2, 우리는 모두 관련 작품을 심사 - 시스템 디자인 같은 개별 사용자 한 무리의 사용자.제 3, 우리는 이 문제를 해결할 것을 확실히 그룹 좀 안 모델 배경.개인 충격 변수 제 4.그래서우리는 개인 충격 테마 (구덩이) 모델, 주소, 안 추천 문제는 구덩이 모델 연장 탐구 많은 사회 특징.제 5, 평가 우리 모델, 이 글은 세 데이터 집합 결국 제 6.