Recommender Systems
추천 시스템

Sentence Examples

Discover more insights into Recommender Systems 추천 시스템

Keywords frequently search together with Recommender Systems 추천 시스템

Narrow sentence examples with built-in keyword filters

Recommender Systems sentence examples within cold start problem

cold start problem
콜드 스타트 ​​문제

In recommender systems, a cold-start problem occurs when there is no past interaction record associated with the user or item.

추천 시스템에서 콜드 스타트 ​​문제는 사용자 또는 항목과 관련된 과거 상호 작용 기록이 없을 때 발생합니다.

Using Social Media Background to Improve Cold-Start Recommendation Deep Models

cold start problem
콜드 스타트 ​​문제

Introducing a knowledge graph into a recommender system as auxiliary information can effectively solve the sparse and cold start problems existing in traditional recommender systems.

지식 그래프를 추천 시스템에 보조 정보로 도입하면 기존 추천 시스템에 존재하는 희소 및 콜드 스타트 ​​문제를 효과적으로 해결할 수 있습니다.

Multitask feature learning approach for knowledge graph enhanced recommendations with RippleNet

More cold start problem sentences
콜드 스타트 ​​문제 More Sentences

Recommender Systems sentence examples within user item interaction

user item interaction
사용자 항목 상호 작용

Social relations are often used to improve recommendation quality when user-item interaction data is sparse in recommender systems.

소셜 관계는 추천 시스템에서 사용자 항목 상호 작용 데이터가 희박할 때 추천 품질을 개선하는 데 자주 사용됩니다.

Self-Supervised Multi-Channel Hypergraph Convolutional Network for Social Recommendation

user item interaction
사용자 항목 상호 작용

However, most existing deep learning-based recommender systems are designed for modeling singular type of user-item interaction behavior, which can hardly distill the heterogeneous relations between user and item.

그러나 대부분의 기존 딥러닝 기반 추천 시스템은 단일 유형의 사용자-항목 상호작용 행동을 모델링하도록 설계되어 사용자와 항목 간의 이질적인 관계를 정리하기가 어렵습니다.

Multi-Behavior Enhanced Recommendation with Cross-Interaction Collaborative Relation Modeling

More user item interaction sentences
사용자 항목 상호 작용 More Sentences

Recommender Systems sentence examples within data sparsity problem

data sparsity problem
데이터 희소성 문제

Cross-domain recommender systems are known to provide solutions to the cold start and data sparsity problems in recommender systems.

교차 도메인 추천 시스템은 추천 시스템의 콜드 스타트 ​​및 데이터 희소성 문제에 대한 솔루션을 제공하는 것으로 알려져 있습니다.

Privacy-Preserving Matrix Factorization for Cross-Domain Recommendation

data sparsity problem
데이터 희소성 문제

Heterogeneous side information has been widely used in recommender systems to alleviate the data sparsity problem.

이기종 부가 정보는 데이터 희소성 문제를 완화하기 위해 추천 시스템에서 널리 사용되었습니다.

Heterogeneous Side Information-based Iterative Guidance Model for Recommendation

More data sparsity problem sentences
데이터 희소성 문제 More Sentences

Recommender Systems sentence examples within help users find

help users find
사용자가 찾을 수 있도록 도와주세요

Recommender systems are ubiquitous in the modern internet, where they help users find items they might like.

추천 시스템은 사용자가 좋아할 만한 항목을 찾는 데 도움이 되는 현대 인터넷의 유비쿼터스입니다.

Learnings from a Retail Recommendation System on Billions of Interactions at bol.com

help users find
사용자가 찾을 수 있도록 도와주세요

Recommender systems are designed to help users find matching items from plenty of candidates in online platforms.

추천 시스템은 사용자가 온라인 플랫폼에서 많은 후보자로부터 일치하는 항목을 찾을 수 있도록 설계되었습니다.

Enhancing session-based social recommendation through item graph embedding and contextual friendship modeling

More help users find sentences
사용자가 찾을 수 있도록 도와주세요 More Sentences

Recommender Systems sentence examples within information overload problem

information overload problem
정보 과부하 문제

Recommender systems have become exceptionally widespread in recent years to deal with the information overload problem by providing personalized recommendations.

추천 시스템은 개인화된 추천을 제공하여 정보 과부하 문제를 처리하기 위해 최근 몇 년 동안 이례적으로 널리 보급되었습니다.

A deep learning based algorithm for multi-criteria recommender systems

information overload problem
정보 과부하 문제

Recommender systems solve the current information overload problem in the online world.

추천 시스템은 온라인 세계의 현재 정보 과부하 문제를 해결합니다.

Do You Buy or Not? The Effect of Recommender Slogans on Retail Sites

More information overload problem sentences
정보 과부하 문제 More Sentences

Recommender Systems sentence examples within user item rating

user item rating
사용자 항목 평가

Recommender systems (RSs) commonly adopt a user-item rating matrix to describe users’ preferences on items.

추천 시스템(RS)은 일반적으로 사용자 항목 평가 매트릭스를 채택하여 항목에 대한 사용자의 선호도를 설명합니다.

A Deep Latent Factor Model for High-Dimensional and Sparse Matrices in Recommender Systems

user item rating
사용자 항목 평가

Matrix Factorization (MF) is one of the most successful Collaborative Filtering (CF) techniques used in recommender systems due to its effectiveness and ability to deal with very large user-item rating matrix.

Matrix Factorization(MF)은 매우 큰 사용자 항목 평가 매트릭스를 처리할 수 있는 효율성과 능력으로 인해 추천 시스템에서 사용되는 가장 성공적인 CF(Collaborative Filtering) 기술 중 하나입니다.

FeatureMF: An Item Feature Enriched Matrix Factorization Model for Item Recommendation

More user item rating sentences
사용자 항목 평가 More Sentences

Recommender Systems sentence examples within increasingly important role

increasingly important role
점점 더 중요한 역할

Recommender systems have played an increasingly important role in providing users with tailored suggestions based on their preferences.

추천 시스템은 사용자의 선호도에 따라 맞춤형 제안을 제공하는 데 있어 점점 더 중요한 역할을 하고 있습니다.

Stratified and Time-aware Sampling based Adaptive Ensemble Learning for Streaming Recommendations

increasingly important role
점점 더 중요한 역할

To better understand the recommended results, textual reviews have been playing an increasingly important role in the recommender systems.

추천 결과를 더 잘 이해하기 위해 텍스트 리뷰는 추천 시스템에서 점점 더 중요한 역할을 하고 있습니다.

TAERT: Triple-Attentional Explainable Recommendation with Temporal Convolutional Network

More increasingly important role sentences
점점 더 중요한 역할 More Sentences

Recommender Systems sentence examples within deep reinforcement learning

deep reinforcement learning
심층 강화 학습

Deep reinforcement learning (DRL)-based recommender systems have recently come into the limelight due to their ability to optimize long-term user engagement.

심층 강화 학습(DRL) 기반 추천 시스템은 장기간 사용자 참여를 최적화할 수 있는 능력으로 인해 최근 각광을 받고 있습니다.

Deep Reinforcement Learning Framework for Category-Based Item Recommendation.

deep reinforcement learning
심층 강화 학습

We have consolidated a few papers that used deep reinforcement learning in the domain of recommender systems and presented the study in this paper.

우리는 추천 시스템 영역에서 심층 강화 학습을 사용한 몇 가지 논문을 통합하고 이 논문에서 연구를 제시했습니다.

A Study of Deep Reinforcement Learning Based Recommender Systems

More deep reinforcement learning sentences
심층 강화 학습 More Sentences

Recommender Systems sentence examples within long standing challenge

long standing challenge
오랜 도전

Data sparsity is a long-standing challenge in recommender systems.

데이터 희소성은 추천 시스템의 오랜 과제입니다.

Towards Source-Aligned Variational Models for Cross-Domain Recommendation

long standing challenge
오랜 도전

Popularity bias is a long-standing challenge in recommender systems: popular items are overly recommended at the expense of less popular items that users may be interested in being under-recommended.

인기성 편향은 추천 시스템에서 오랜 문제입니다. 인기 있는 항목은 사용자가 과소 추천하는 데 관심이 있을 수 있는 덜 인기 있는 항목을 희생시키면서 과도하게 추천됩니다.

Popularity Bias in Dynamic Recommendation

More long standing challenge sentences
오랜 도전 More Sentences

Recommender Systems sentence examples within become increasingly popular

become increasingly popular
점점 대중화되다

Scientific recommender systems have become increasingly popular as a tool to overcome information overload, allowing researchers to access fresh and relevant content.

과학적 추천 시스템은 정보 과부하를 극복하기 위한 도구로 점점 더 대중화되어 연구자가 신선하고 관련성 높은 콘텐츠에 액세스할 수 있습니다.

The ethics of scientific recommender systems

become increasingly popular
점점 대중화되다

Neural attention, an emerging technique used to identify important inputs within neural networks, have become increasingly popular in the area of recommender systems.

신경망 내에서 중요한 입력을 식별하는 데 사용되는 새로운 기술인 신경 주의는 추천 시스템 영역에서 점점 인기를 얻고 있습니다.

Neural Attention Frameworks for Explainable Recommendation

More become increasingly popular sentences
점점 대중화되다 More Sentences

Recommender Systems sentence examples within overcome information overload

overcome information overload
정보 과부하를 극복하다

Recommender Systems (RS) have proven to be effective tools to help users overcome information overload, and significant advances have been made in the field over the past two decades.

추천 시스템(RS)은 사용자가 정보 과부하를 극복하는 데 도움이 되는 효과적인 도구로 입증되었으며 지난 20년 동안 이 분야에서 상당한 발전이 있었습니다.

A Survey on Stream-Based Recommender Systems

overcome information overload
정보 과부하를 극복하다

Currently, Recommender Systems (RS) have been ubiquitously applied to various online applications and obtained tremendous success due to their capability to overcome information overload; however, the available Side Information (SI), such as demographics and attributions of items, is always neglected.

현재 RS(Recommender Systems)는 다양한 온라인 애플리케이션에 유비쿼터스하게 적용되었으며 정보 과부하를 극복하는 능력으로 인해 엄청난 성공을 거두었습니다. 그러나 인구 통계 및 항목 속성과 같은 사용 가능한 부가 정보(SI)는 항상 무시됩니다.

Leverage side information for top‐N recommendation with latent Gaussian process

More overcome information overload sentences
정보 과부하를 극복하다 More Sentences

Recommender Systems sentence examples within Aware Recommender Systems

Aware Recommender Systems
인식 추천 시스템

Context-aware recommender systems have received considerable attention from industry and academic areas.

상황 인식 추천 시스템은 산업 및 학계에서 상당한 관심을 받았습니다.

MORec: At the crossroads of context-aware and multi-criteria decision making for online music recommendation

Aware Recommender Systems
인식 추천 시스템

While recent developments on visually-aware recommender systems have taken the product image into account, none of them has considered the aesthetic aspect.

최근 시각적 인식 추천 시스템의 개발은 제품 이미지를 고려했지만 미적 측면은 고려하지 않았습니다.

Visually-aware Recommendation with Aesthetic Features

More Aware Recommender Systems sentences
인식 추천 시스템 More Sentences

Recommender Systems sentence examples within Group Recommender Systems

Group Recommender Systems
그룹 추천 시스템

The emergence of Artificial Intelligence of Things (AIoT) has provided novel insights for many social computing applications such as group recommender systems.

사물의 인공 지능(AIoT)의 출현은 그룹 추천 시스템과 같은 많은 소셜 컴퓨팅 애플리케이션에 대한 새로운 통찰력을 제공했습니다.

Secure Artificial Intelligence of Things for Implicit Group Recommendations

Group Recommender Systems
그룹 추천 시스템

Group recommender systems are specialized in suggesting preferable products or services to a group of users rather than an individual by aggregating personal preferences of group members.

그룹 추천 시스템은 그룹 구성원의 개인 취향을 종합하여 개인이 아닌 사용자 그룹에게 더 나은 제품이나 서비스를 제안하는 데 특화되어 있습니다.

Novel automatic group identification approaches for group recommendation

More Group Recommender Systems sentences
그룹 추천 시스템 More Sentences

Recommender Systems sentence examples within Modern Recommender Systems

Modern Recommender Systems
최신 추천 시스템

In recent times, deep learning methods have supplanted conventional collaborative filtering approaches as the backbone of modern recommender systems.

최근에는 딥 러닝 방법이 현대 추천 시스템의 중추로서 기존의 협업 필터링 접근 방식을 대체했습니다.

ProtoCF: Prototypical Collaborative Filtering for Few-shot Recommendation

Modern Recommender Systems
최신 추천 시스템

Implicit feedback is widely explored by modern recommender systems.

암시적 피드백은 최신 추천 시스템에서 광범위하게 탐색됩니다.

Multi-Facet Recommender Networks with Spherical Optimization

More Modern Recommender Systems sentences
최신 추천 시스템 More Sentences

Recommender Systems sentence examples within Conversational Recommender Systems

Conversational Recommender Systems
대화형 추천 시스템

Conversational Recommender Systems (CRSs) in E-commerce platforms aim to recommend items to users via multiple conversational interactions.

전자 상거래 플랫폼의 대화형 추천 시스템(CRS)은 여러 대화식 상호 작용을 통해 사용자에게 항목을 추천하는 것을 목표로 합니다.

Improving Conversational Recommender System by Pretraining Billion-scale Knowledge Graph

Conversational Recommender Systems
대화형 추천 시스템

In the last few years, a renewed interest of the research community on conversational recommender systems (CRSs) is emerging.

지난 몇 년 동안 대화형 추천 시스템(CRS)에 대한 연구 커뮤니티의 새로운 관심이 부상하고 있습니다.

Third Knowledge-aware and Conversational Recommender Systems Workshop (KaRS)

More Conversational Recommender Systems sentences
대화형 추천 시스템 More Sentences

Recommender Systems sentence examples within Existing Recommender Systems

Existing Recommender Systems
기존 추천 시스템

Most existing recommender systems focus primarily on matching users (content consumers) to content which maximizes user satisfaction on the platform.

대부분의 기존 추천 시스템은 플랫폼에서 사용자 만족도를 극대화하는 콘텐츠에 사용자(콘텐츠 소비자)를 일치시키는 데 주로 중점을 둡니다.

Towards Content Provider Aware Recommender Systems: A Simulation Study on the Interplay between User and Provider Utilities

Existing Recommender Systems
기존 추천 시스템

Existing recommender systems in the e-commerce domain primarily focus on generating a set of relevant items as recommendations; however, few existing systems utilize underlying item attributes as a key organizing principle in presenting recommendations to users.

전자 상거래 도메인의 기존 추천 시스템은 주로 관련 항목 집합을 추천으로 생성하는 데 중점을 둡니다. 그러나 기존 시스템은 사용자에게 권장 사항을 제시할 때 핵심 구성 원칙으로 기본 항목 속성을 활용합니다.

EX3: Explainable Attribute-aware Item-set Recommendations

More Existing Recommender Systems sentences
기존 추천 시스템 More Sentences

Recommender Systems sentence examples within Music Recommender Systems

Music Recommender Systems
음악 추천 시스템

Providing suitable recommendations is of vital importance to improve the user satisfaction of music recommender systems.

음악 추천 시스템의 사용자 만족도를 높이려면 적절한 추천을 제공하는 것이 매우 중요합니다.

Predicting Music Relistening Behavior Using the ACT-R Framework

Music Recommender Systems
음악 추천 시스템

Recent years witness a boom in music recommender systems due to the success of online streaming services.

최근 몇 년 동안 온라인 스트리밍 서비스의 성공으로 음악 추천 시스템이 붐을 이루고 있습니다.

Five-Factor Musical Preference Prediction for Solving New User Cold-Start Problem in Content-Based Music Recommender System

More Music Recommender Systems sentences
음악 추천 시스템 More Sentences

Recommender Systems sentence examples within Traditional Recommender Systems

Traditional Recommender Systems
기존 추천 시스템

While personalised recommendations have been most successful in domains like retail due to large volume of users’ feedback on items, it is challenging to implement traditional recommender systems into the insurance domain where such prior information is very small in volume.

개인화된 추천은 상품에 대한 사용자 피드백이 많기 때문에 소매와 같은 영역에서 가장 성공적이었지만 이러한 사전 정보의 양이 매우 적은 보험 영역에서는 기존 추천 시스템을 구현하는 것이 어렵습니다.

Learning Dynamic Insurance Recommendations from Users’ Click Sessions

Traditional Recommender Systems
기존 추천 시스템

Introducing a knowledge graph into a recommender system as auxiliary information can effectively solve the sparse and cold start problems existing in traditional recommender systems.

지식 그래프를 추천 시스템에 보조 정보로 도입하면 기존 추천 시스템에 존재하는 희소 및 콜드 스타트 ​​문제를 효과적으로 해결할 수 있습니다.

Multitask feature learning approach for knowledge graph enhanced recommendations with RippleNet

More Traditional Recommender Systems sentences
기존 추천 시스템 More Sentences

Recommender Systems sentence examples within Personalized Recommender Systems

Personalized Recommender Systems
맞춤형 추천 시스템

Group recommendations are an extension of ”single-user” personalized recommender systems (RS), where the final recommendations should comply with preferences of several group members.

그룹 추천은 "단일 사용자" 개인 추천 시스템(RS)의 확장으로, 최종 추천은 여러 그룹 구성원의 선호도를 따라야 합니다.

Fairness-preserving Group Recommendations With User Weighting

Personalized Recommender Systems
맞춤형 추천 시스템

With the booming development of the online fashion industry, effective personalized recommender systems have become indispensable for the convenience they brought to the customers and the profits to the e-commercial platforms.

온라인 패션 산업의 급성장과 함께 효과적인 개인 추천 시스템은 고객에게 제공하는 편리함과 전자 상거래 플랫폼에 대한 이익을 위해 필수 불가결한 요소가 되었습니다.

A3-FKG: Attentive Attribute-Aware Fashion Knowledge Graph for Outfit Preference Prediction

More Personalized Recommender Systems sentences
맞춤형 추천 시스템 More Sentences

Recommender Systems sentence examples within Filtering Recommender Systems

Filtering Recommender Systems
추천 시스템 필터링

Nowadays, collaborative filtering recommender systems have been widely deployed in many commercial companies to make profit.

요즘에는 협업 필터링 추천 시스템이 많은 상업 회사에 널리 배포되어 수익을 내고 있습니다.

Data Poisoning Attacks on Neighborhood-based Recommender Systems

Filtering Recommender Systems
추천 시스템 필터링

Collaborative Filtering recommender systems use the history of user ratings to construct a usually very sparse user-item rating matrix and then use some similarity measurement algorithm to find similar user/items for prediction purpose.

Collaborative Filtering 추천 시스템은 사용자 평가 기록을 사용하여 일반적으로 매우 희소한 사용자 항목 평가 매트릭스를 구성한 다음 일부 유사성 측정 알고리즘을 사용하여 예측 목적으로 유사한 사용자/항목을 찾습니다.

A New Model for Co-Ratings Based Similarity in Collaborative Filtering

More Filtering Recommender Systems sentences
추천 시스템 필터링 More Sentences

Recommender Systems sentence examples within Variou Recommender Systems

Variou Recommender Systems
다양한 추천 시스템

Various recommender systems have been created to provide convenience for users.

사용자의 편의를 위해 다양한 추천 시스템이 만들어졌습니다.

Low-rank and sparse matrix factorization with prior relations for recommender systems

Variou Recommender Systems
다양한 추천 시스템

, their co-occurrence in the sample data) can significantly enhance prediction accuracy in various recommender systems.

, 샘플 데이터에서 동시 발생)은 다양한 추천 시스템에서 예측 정확도를 크게 향상시킬 수 있습니다.

Neural Graph Matching based Collaborative Filtering

More Variou Recommender Systems sentences
다양한 추천 시스템 More Sentences

Recommender Systems sentence examples within World Recommender Systems

World Recommender Systems
세계 추천 시스템

However, real-world recommender systems are well beyond a simple objective and often need to take into account multiple objectives simultaneously.

그러나 실제 추천 시스템은 단순한 목표를 훨씬 넘어 여러 목표를 동시에 고려해야 하는 경우가 많습니다.

MORS 2021: 1st Workshop on Multi-Objective Recommender Systems

World Recommender Systems
세계 추천 시스템

Modeling user interests is crucial in real-world recommender systems.

사용자 관심사를 모델링하는 것은 실제 추천 시스템에서 매우 중요합니다.

Learning User Representations with Hypercuboids for Recommender Systems

More World Recommender Systems sentences
세계 추천 시스템 More Sentences

Recommender Systems sentence examples within Commerce Recommender Systems

Commerce Recommender Systems
상거래 추천 시스템

In heterogeneous e-commerce recommender systems, the type and attribute information of users and products contain rich semantics, which can benefit the prediction and explanation of user ratings of interesting items.

이종 전자 상거래 추천 시스템에서 사용자 및 제품의 유형 및 속성 정보에는 풍부한 의미가 포함되어 있어 흥미로운 항목의 사용자 평가 예측 및 설명에 도움이 될 수 있습니다.

Heterogeneous type-specific entity representation learning for recommendations in e-commerce network

Commerce Recommender Systems
상거래 추천 시스템

E-commerce Recommender Systems suggest useful and interesting products to customers in order to increase user satisfaction and online conversion rates.

전자상거래 추천 시스템은 사용자 만족도와 온라인 전환율을 높이기 위해 유용하고 흥미로운 제품을 고객에게 제안합니다.

Research on collaborative filtering based on user interest in the higher vocational e-commerce website development

More Commerce Recommender Systems sentences
상거래 추천 시스템 More Sentences

Recommender Systems sentence examples within News Recommender Systems

News Recommender Systems
뉴스 추천 시스템

In addition to showing important emergent properties, our model generalizes the popular “top-N news recommender systems” in a manner that provides media managers a mechanism to guide the emergent outcomes to mitigate potentially unhealthy outcomes driven by the self-organizing dynamics.

중요한 창발 속성을 보여주는 것 외에도 우리 모델은 미디어 관리자에게 자체 조직 역학에 의해 유발되는 잠재적으로 건강에 해로운 결과를 완화하기 위해 창발 결과를 안내하는 메커니즘을 제공하는 방식으로 인기 있는 "최상위 뉴스 추천 시스템"을 일반화합니다.

A complex systems perspective of news recommender systems: Guiding emergent outcomes with feedback models

News Recommender Systems
뉴스 추천 시스템

News portals, social media, and news recommender systems have a strong influence on the perception of events.

뉴스 포털, 소셜 미디어 및 뉴스 추천 시스템은 이벤트 인식에 큰 영향을 미칩니다.

9th International Workshop on News Recommendation and Analytics

More News Recommender Systems sentences
뉴스 추천 시스템 More Sentences

Recommender Systems sentence examples within Sequential Recommender Systems

Sequential Recommender Systems
순차 추천 시스템

We investigate whether model extraction can be used to ‘steal’ the weights of sequential recommender systems, and the potential threats posed to victims of such attacks.

우리는 모델 추출이 순차 추천 시스템의 가중치를 '훔치는' 데 사용될 수 있는지 여부와 그러한 공격의 피해자에게 제기되는 잠재적 위협을 조사합니다.

Black-Box Attacks on Sequential Recommenders via Data-Free Model Extraction

Sequential Recommender Systems
순차 추천 시스템

Recently, there has been a growing interest in context-aware sequential recommender systems.

최근 컨텍스트 인식 순차 추천 시스템에 대한 관심이 높아지고 있습니다.

Context-aware seq2seq translation model for sequential recommendation

More Sequential Recommender Systems sentences
순차 추천 시스템 More Sentences

Recommender Systems sentence examples within Scale Recommender Systems

Scale Recommender Systems
스케일 추천 시스템

Motivated by large-scale recommender systems, we propose a static Android application analysis method which relies on an app similarity graph (ASG).

대규모 추천 시스템에 동기를 부여하여 앱 유사성 그래프(ASG)에 의존하는 정적 Android 애플리케이션 분석 방법을 제안합니다.

Android malware detection via an app similarity graph

Scale Recommender Systems
스케일 추천 시스템

In this paper, we propose a theoretically founded sequential strategy for training large-scale Recommender Systems (RS) over implicit feedback, mainly in the form of clicks.

이 논문에서는 주로 클릭 형태의 암시적 피드백을 통해 대규모 추천 시스템(RS)을 훈련하기 위해 이론적으로 기반을 둔 순차적 전략을 제안합니다.

Learning over no-Preferred and Preferred Sequence of items for Robust Recommendation

More Scale Recommender Systems sentences
스케일 추천 시스템 More Sentences

Recommender Systems sentence examples within Social Recommender Systems

Social Recommender Systems
소셜 추천 시스템

Social recommender systems seek to generate recommendations for users based on similar preferences of their close friends.

소셜 추천 시스템은 가까운 친구의 유사한 선호도를 기반으로 사용자를 위한 추천을 생성하려고 합니다.

Context Incorporation Techniques for Social Recommender Systems

Social Recommender Systems
소셜 추천 시스템

Combining Matrix Factorization (MF) with Network Embedding (NE) has been a promising solution to social recommender systems.

MF(Matrix Factorization)와 NE(Network Embedding)를 결합하는 것은 소셜 추천 시스템에 대한 유망한 솔루션이었습니다.

Matrix factorization with dual-network collaborative embedding for social recommendation

More Social Recommender Systems sentences
소셜 추천 시스템 More Sentences

Recommender Systems sentence examples within Many Recommender Systems

Many Recommender Systems
많은 추천 시스템

Many recommender systems are built based on the user ratings or user interaction data collected by the content or item providers.

많은 추천 시스템은 콘텐츠 또는 항목 제공자가 수집한 사용자 평가 또는 사용자 상호 작용 데이터를 기반으로 구축됩니다.

Multi-source based movie recommendation with ratings and the side information

Many Recommender Systems
많은 추천 시스템

Many recommender systems deployed in the real world rely on categorical user-profiles and/or pre-calculated recommendation actions that stay static during a user session.

현실 세계에 배치된 많은 추천 시스템은 사용자 세션 동안 정적으로 유지되는 범주형 사용자 프로필 및/또는 미리 계산된 추천 작업에 의존합니다.

Workshop on Online and Adaptative Recommender Systems (OARS)

More Many Recommender Systems sentences
많은 추천 시스템 More Sentences

Recommender Systems sentence examples within Building Recommender Systems

Building Recommender Systems
추천 시스템 구축

Post-click conversion, as a strong signal indicating the user preference, is salutary for building recommender systems.

사용자 선호도를 나타내는 강력한 신호인 클릭 후 전환은 추천 시스템 구축에 유용합니다.

Enhanced Doubly Robust Learning for Debiasing Post-Click Conversion Rate Estimation

Building Recommender Systems
추천 시스템 구축

Collaborative filtering (CF) is one of the most popular techniques for building recommender systems.

CF(Collaborative Filtering)는 추천 시스템을 구축하는 데 가장 널리 사용되는 기술 중 하나입니다.

Collaborative Neural Social Recommendation

More Building Recommender Systems sentences
추천 시스템 구축 More Sentences

Recommender Systems sentence examples within Criterium Recommender Systems

Criterium Recommender Systems
기준 추천 시스템

Multi-criteria recommender systems have garnered considerable interests from researchers and practitioners.

다중 기준 추천 시스템은 연구자와 실무자로부터 상당한 관심을 받았습니다.

Multi-criteria recommender system based on social relationships and criteria preferences

Criterium Recommender Systems
기준 추천 시스템

To improve recommendation diversity and predictive performance in multi-criteria recommender systems, we propose a clustering-based parallel tensor factorization (ClustPTF).

다중 기준 추천 시스템에서 추천 다양성과 예측 성능을 향상시키기 위해 클러스터링 기반 병렬 텐서 인수분해(ClustPTF)를 제안합니다.