We aim to adopt the collaborative f

We aim to adopt the collaborative filtering paradigm to address the group recommendation problem without requiring additional context information for users, groups or items. Also, we assume an input dataset of implicit ratings among groups and items in forms of clicks, tags, likes, checkins, 4Note that it is possible that a group is duplicated (e.g. Gx = Gy; (x 6= y) ). However, this situation is rare since there is quite a few item selection history for a distinct group. etc, which are generally available in various web services, especially social networking systems.

결과 (한국어) 1:

우리는 사용자, 그룹 또는 항목에 대 한 추가 컨텍스트 정보를 필요로 하지 않고 그룹 추천 문제를 해결 하기 위해 협업 필터링 패러다임을 채택 하고자 합니다. 또한, 우리는 입력된 데이터 집합을 그룹 및 클릭 수, 태그, 좋아하는, 체크 인, 그룹은 중복 가능 하다 4Note의 형태로 항목 중 암시적 등급의 가정 (예: Gx = Gy; (x 6 = y)). 그러나,이 상황은 드문 있기 때문에 별개의 그룹에 대 한 꽤 몇 가지 항목 선택 역사입니다. 등을 다양 한 웹 서비스, 특히 소셜 네트워킹 시스템에서에서 일반적으로 사용할 수 있습니다.

결과 (한국어) 2:

우리는 사용자, 그룹 또는 항목에 대한 추가 컨텍스트 정보를 필요로하지 않고 그룹 추천 문제를 해결하기 위해 협동 필터링 패러다임을 채택하는 것을 목표로. 또한, 우리는 클릭, 태그의 형태로 그룹과 항목 중 암시 적 평가의 입력 데이터 집합을 가정은, 체크 인을 좋아하는,이 그룹은 (예를 들어, GX = Gy를 (× 6 = y)를) 중복 가능성이 4Note있다. 별개의 그룹에 대한 대부분의 항목 선택 이력이 있기 때문에,이 경우는 드물다. 등, 다양한 웹 서비스, 특히 소셜 네트워킹 시스템에 일반적으로 사용할 수있다.

결과 (한국어) 3:

우리의 목적은 위한 패러다임 그룹 필터 처리할 것을 안 필요한 추가 정보를 문제 때문에 사용자와 그룹 또는 물품.그리고 우리 입력 데이터 세트 그룹 사이에 숨은 시청률 항목 형식 클릭, 태그, 좋아하는 4note 계약 입사 가능성이 그룹 (예: / 구 = 복사 (x 6 (y).하지만이 상황은 매우 많은 일을 스스로 다른 그룹 선택 역사.등 각종 인터넷 서비스 보통, 특히 사교 시스템.