We present PolyLens, a new collabor

We present PolyLens, a new collaborative filtering recommender system designed to recommend items for groups of users, rather than for individuals. A group recommender is more appropriate and useful for domains in which several people participate in a single activity, as is often the case with movies and restaurants. We present an analysis of the primary design issues for group recommenders, including questions about the nature of groups, the rights of group members, social value functions for groups, and interfaces for displaying group recommendations. We then report on our PolyLens prototype and the lessons we learned from usage logs and surveys from a nine-month trial that included 819 users. We found that users not only valued group recommendations, but were willing to yield some privacy to get the benefits of group recommendations. Users valued an extension to the group recommender system that enabled them to invite non-members to participate, via email.

결과 (한국어) 1:

우리는 PolyLens, 보다 개인 사용자, 그룹에 대 한 항목을 권장 하도록 설계 되었습니다 새로운 협업 필터링 추천 시스템을 제시. 그룹 추천자는 더 적절 하 고 유용한 단일 활동을 여러 사람이 참여 하는 도메인은 자주 영화와 레스토랑의 경우. 우리는 그룹 추천자, 그룹, 그룹 구성원, 그룹에 대 한 사회적 가치 기능 및 그룹 권장 사항을 표시 하기 위한 인터페이스의 권리의 본질에 대 한 질문을 포함 하 여에 대 한 기본 디자인 문제 분석을 제시. 우리가 다음 우리의 PolyLens 프로토 타입 및 사용 로그 및 819 사용자를 포함 하는 9 개월 재판에서 설문 조사에서 교훈에 보고 합니다. 우리는 사용자 뿐만 아니라 그룹 추천, 반환 하지만 그룹 권고의 혜택을 받을 몇 가지 개인 정보를 산출 하고자 했다 발견. 사용자가 이메일을 통해, 참여 회원 들을 초대 하도록 활성화 그룹 추천자 시스템에 대 한 확장 가치.

결과 (한국어) 2:

우리는 PolyLens, 오히려 개인보다 사용자 그룹에 대한 항목을 추천하도록 설계된 새로운 협업 필터링 추천 시스템을 제시한다. 종종 영화와 레스토랑의 경우와 같이 그룹 추천인이 더 적절하고 여러 사람이 하나의 활동에 참여하는 도메인에 유용합니다. 우리는 그룹의 권장 사항을 표시하기위한 그룹의 성격에 대한 질문, 그룹에 대한 그룹 구성원, 사회적 가치 함수의 권리 및 인터페이스를 비롯한 일부 그룹 추천인에 대한 기본 설계 문제의 분석을 제시한다. 우리는 우리의 PolyLens 프로토 타입과 우리가 819 사용자를 포함 9 개월 시험에서 사용 로그 및 설문 조사에서 배운 교훈에보고한다. 우리는 사용자는 그룹의 권장 사항을 평가하지 않는 것이 찾았지만 그룹의 권고 사항의 이점을 얻기 위해 몇 가지 개인 정보를 산출하고자 하였다. 사용자는 이메일을 통해, 참여 비 회원을 초대하도록 활성화 그룹 추천 시스템의 확장을 평가.