While making significant advances i

While making significant advances in the recommender system technology, most of the prior research studies in this topic area have focused on providing recommendations for individuals, which unfortunately can not be effectively applied for group recommendations, i.e., making recommendations for a group of people. Notice that a common idea behind recommender systems that make personalized recommendations for individuals is to discover users' preference profiles (either from user ratings or item text descriptions) in order to identify items that best match the profiles of targeted users. However, for group recommendations, we argue that a good recommender system not only needs to model users' individual preferences but also understands how a decision among group members is reached.

결과 (한국어) 1:

동안 만드는 중요 한 추천자 시스템 기술에서 발전,이 항목에 사전 연구 연구의 대부분 불행 하 게도 응모 할 수 없습니다 효과적으로 그룹 권고, 즉, 사람들의 그룹에 대 한 권장 사항을 만드는 개인에 대 한 권장 사항을 제공에 집중 했다. 추천자 시스템에 대 한 개인 사용자의 기본 설정 프로 발견 된 권장 있도록 뒤에 일반적인 아이디어 파일 최고 대상된 사용자의 프로 파일과 일치 하는 항목을 식별 하기 위해 (중 하나에서 사용자 등급 또는 항목 텍스트 설명)을 확인 합니다. 그러나, 그룹 권장, 우리는 좋은 추천자 시스템 사용자의 개인 기본 설정을 모델링 하는 데 필요한 뿐만 아니라 또한 그룹 구성원 간의 결정에 도달 하는 방법을 이해 하 고 논쟁.

결과 (한국어) 2:

추천 시스템 기술에 상당한 발전을하고 있지만,이 주제 영역에서 사전 조사 연구의 대부분은, 즉 불행하게도 효과적으로 그룹의 권고에 대해 적용 할 수없는 개인에 대한 권장 사항을 제공하는 사람들의 그룹에 대한 권장 사항을 만들기에 초점을 맞추고있다. 개인을위한 맞춤 추천을 추천인 시스템 뒤에 일반적인 아이디어는 사용자의 선호도에게 프로 파일을 발견 할 수 있음을 알 수 있습니다 (중 사용자 평가 또는 항목의 텍스트 설명에서) 가장 좋은 대상 사용자의 프로 파일과 일치 항목을 식별하기 위해. 그러나, 그룹의 권고에 대해, 우리는 좋은 추천 시스템뿐만 아니라 사용자의 개인 환경 설정을 모델링 할 필요가뿐만 아니라 그룹 구성원 간의 의사 결정에 도달하는 방법을 이해하고 있다고 주장한다.

결과 (한국어) 3:

중대한 진전이 때문에 그 시스템 기술 중 가장 먼저 연구 이 문제에 대한 건의를 지역 제공할 수 있는 사람, 불행한 사용하는 것을 효과적으로 그룹, 즉, 한 무리의 사람들이 건의를 제기했다.알림 한 뒤에 공동 생각이 추천 시스템에 개인 건의를 하는 사람 것을 친  사용자의 선호 파일 (또는 사용자 등급 또는 항목에 대한 설명 텍스트) 을 확인 할 일치하는 파일 친  대상 사용자.근데, 그룹 제안우리는 좋은 - 시스템 있다고 할 뿐만 아니라, 또한 사용자의 선호 모델 중 한 사람이 다 아는 결정을 이르렀다.