When moving from recommending items

When moving from recommending items to individuals to recommending items to groups many new issues arise. The main one is how to find a recommendation that satisfies the biggest number of group members taking into account the individual user preferences. The main approaches to generate a preference aggregation based on the individual user preferences are [2] (a) merging the recommendations made for individuals, (b) aggregation of ratings for individuals and (c) constructing a group preference model. The most common employed approaches are (b) and (c) in group recommenders in many different fields like recommendations of video clip sequences [4] and movies [5], among others. According to the scope of our case study, movie recommendations, Polylens [5] recommends movies for groups based on the inferred ratings by MovieLens and using the Least misery strategy to generate the preference aggregation. Some authors [1] criticize these aggregation strategies because the ratings are combined always in the same way without considering how the members in the group interact with each other. Other works like [4] have employed social issues in order to include the group member interactions to perform the recommendations.

결과 (한국어) 1:

항목 그룹에 항목을 추천 하는 개인을 추천 로부터 이동할 때 많은 새로운 문제가 발생 한다. 주요 개별 사용자 기본 설정을 고려 하는 그룹 구성원의 최대 수를 만족 하는 추천을 찾는 방법입니다. 개인, (b) 개인 및 (c) 건설 그룹 기본 설정 모델에 대 한 평가의 집계는 기본 집계는 개별 사용자의 기본 설정에 따라 [2] (a) 병합 권장 사항을 생성 하는 주요 접근 했다. 가장 일반적인 고용 다른 사람 사이 비디오 클립 시퀀스 [4]과 영화 [5]의 권고 처럼 다양 한 분야에서 그룹 추천자 (b)와 (c) 접근. 우리의 사례 연구, 영화 추천의 범위에 따라 Polylens [5] MovieLens 및 적어도 불행 전략을 사용 하 여 기본 설정 집합을 생성 하 여 유추 등급에 따라 그룹에 대 한 영화를 권장 합니다. 몇몇 저자 [1] 하기 때문에 등급은 항상 같은 방식으로 그룹 구성원 서로 상호 작용 하는 방식을 고려 하지 않고 이러한 집계 전략 비판. [4] 같은 작품을 다른 권장 사항을 수행 하기 위해 그룹 구성원 상호 작용을 포함 하려면 사회 문제를 고용 했다.

결과 (한국어) 2:

많은 새로운 문제가 발생 그룹에 항목을 추천에 개인 항목을 추천에서 이동합니다. 메인 하나는 고려 개별 사용자 선호도를 고려 그룹 멤버의 최대 개수를 충족 추천 찾는 방법이다. 주요 방식은 선호 [2] (a) 개인 만들어진 추천 병합되는 개별 사용자, 개인 등급 (B)의 응집 및 (c) 군 선호 모델 구축을 기반으로 기본 집합을 생성한다. 가장 일반적인 접근은 고용 (b) 중에서도 특히 동영상 시퀀스 [4]와 영화 [5]의 권고와 같은 다양한 분야에서 그룹 추천인의 (c)이다. 사례 연구, 영화 추천, Polylens의 범위에 따라 [5] MovieLens 및 환경 설정 집계를 생성하기 위해 최소 불행 전략을 사용하여 추정 등급에 따라 그룹에 대한 영화를 권장합니다. 평가는 그룹의 회원이 서로 상호 작용하는 방법을 고려하지 않고 동일한 방법으로 항상 결합되어 있기 때문에 일부 저자는 [1]이 통합 전략을 비판. 순서 [4] 채용 한 사회적 문제와 같은 다른 작업을 수행하는 추천 기의 부재 상호 작용을 포함한다.

결과 (한국어) 3:

추천 항목 옮길 때 개인 그룹 추천 항목 많은 새로운 문제가 생긴다.가장 중요한 것은 어떻게 찾을 수 있는 건의를 가장 큰 그룹 구성원 만족시킬 수가 고려해 개별 사용자.주요 기초 위에 생성 결집 개별 사용자 설정 (a) [] 이 건의를 합병 사람, (b) 모인 사람 (c) 시청률 구조 그룹 선택 모드.이 자주 쓰는 방법을 (b) 과 (c) - 그룹 많은 분야에 관한 단편 서열 같은 [4], 영화 [5], 잠깐만요.이 범위 따라 우리 사례 연구 건의를, 영화, polylens 영화 [5] 건의를 단체 대한 평가, 무슨 movielens 사용할 최소 고통을 생성 결집 정책.어떤 사람이 비판 (1) 이 때문에 함께 모여 전략 시청률 항상 같은 방법으로 의원 생각 안 그룹 어떻게 상호 작용을 가지고 있다.마치 다른 작품 [4] 사회 문제를 일을 위해 '그룹 구성원 하는 것을 작용.