Based on PIT model, we develop lear

Based on PIT model, we develop learning algorithms to learn personal impacts. Accordingly, we are able to use these parameters to construct group profiles from individual's user prole to make group recommendations. Additionally, we utilize social information as additional features to improve the personal impact estimations and thus further alleviate the potential problem of over-fitting.

결과 (한국어) 1:

핏 모델을 바탕으로, 우리 개인에 미치는 영향을 배우고 학습 알고리즘을 개발 한다. 따라서, 우리는 이러한 매개 변수를 사용 하 여 개인의 사용자 프로 파일 그룹 생성 수 프로 르 그룹 추천 하. 또한, 우리는 개인 영향 의견을 개선 하 고 따라서 더 추가 기능 이상-피팅의 잠재적인 문제를 완화로 사회 정보를 활용 합니다.

결과 (한국어) 2:

PIT 모델을 기반으로, 우리는 개인에 미치는 영향을 알아 알고리즘을 학습 개발한다. 따라서, 우리는 그룹의 권고를 만들기 위해 프로 제작 : 개인 사용자의 그룹 프로파일을 구성하려면이 매개 변수를 사용할 수 있습니다. 또한, 우리는 개인 영향 추정을 개선하기 위해 추가의 사교 기능 정보를 활용함으로써 더욱 오버 피팅의 잠재적 인 문제를 완화.

결과 (한국어) 3:

피팅 모델 발전에 따라, 우리는 학습 방법을 배워 개인 영향을 줄 수 있다.그래서 우리가 할 수 있는 이 인자 구조 그룹 파일 사용 개별 사용자 잠  음악 하는 그룹 건의를 제기했다.또 우리 이용해 사회 정보 추가 기능 개선 개인 충격 때문에 그래 아마 문제가 더 이상 -  적합하다.