Abstract The new generation of Web

Abstract The new generation of Web applications known as (STS) is successfully established and poised for continued growth. STS are open and inherently social; features that have been proven to encourage participation. But while STS bring new opportunities, they revive old problems, such as information overload. Recommender Systems are well known applications for increasing the level of relevant content over the “noise” that continuously grows as more and more content becomes available online. In STS however, we face new challenges. Users are interested in finding not only content, but also tags and even other users. Moreover, while traditional recommender systems usually operate over 2-way data arrays, STS data is represented as a third-order tensor or a hypergraph with hyperedges denoting (user, resource, tag) triples. In this chapter, we survey the most recent and state-of-the-art work about a whole new generation of recommender systems built to serve STS.We describe (a) novel facets of recommenders for STS, such as user, resource, and tag recommenders, (b) new approaches and algorithms for dealing with the ternary nature of STS data, and (c) recommender systems deployed in real world STS. Moreover, a concise comparison between existing works is presented, through which we identify and point out new research directions.

Results (Thai) 1:

นามธรรมรุ่นใหม่ของโปรแกรมประยุกต์เว็บที่เรียกว่า (STS) สำเร็จก่อตั้งขึ้น และเตรียมพร้อมสำหรับการเติบโตอย่างต่อเนื่อง STS จะเปิด และมีความ สังคม คุณลักษณะที่ได้รับการพิสูจน์เพื่อส่งเสริมให้มีส่วนร่วม แต่ในขณะที่ STS นำโอกาสใหม่ ๆ พวกเขาฟื้นฟูปัญหาเก่า โอเวอร์โหลดข้อมูลเช่น ผู้แนะนำระบบโปรแกรมประยุกต์ที่รู้จักกันดีสำหรับการเพิ่มระดับของเนื้อหาที่เกี่ยวข้องผ่าน "เสียง" ที่ต่อเนื่องขยายมาก ขึ้นเนื้อหาจะพร้อมใช้งานออนไลน์ ได้ ใน STS อย่างไรก็ตาม เราเผชิญกับความท้าทายใหม่ ผู้ที่สนใจในการค้นหาไม่เพียงแต่ เนื้อหา แต่ยังแท็ก และแม้แต่ผู้ใช้อื่น ๆ นอกจากนี้ ในขณะที่ระบบผู้แนะนำแบบดั้งเดิมมักจะมีผ่านอาร์เรย์ข้อมูล 2 ทาง STS ข้อมูลจะแสดงเป็น tensor สั่งสามหรือ hypergraph กับ hyperedges กำหนดเรียกค่า (ผู้ใช้ ทรัพยากร แท็ก) triples ในบทนี้ เราสำรวจล่าสุด และสถานะของศิลปะงานเกี่ยวกับทั้งรุ่นใหม่ของผู้แนะนำระบบที่สร้างขึ้นเพื่อใช้ STS เราอธิบายแง่มุม (ก) นวนิยายของ recommenders สำหรับ STS ผู้ใช้ ทรัพยากร และแท็ก recommenders, (b) ใหม่ ๆ และอัลกอริทึมในการจัดการกับธรรมชาติสาม STS ข้อมูล และระบบ (c) ผู้แนะนำการใช้งานในโลกจริง STS นอกจากนี้ กระชับเปรียบเทียบระหว่างงานที่มีอยู่การนำเสนอ ซึ่งเราระบุ และชี้ให้เห็นทิศทางใหม่การวิจัย

Results (Thai) 2:

บทคัดย่อรุ่นใหม่ของการใช้งานเว็บที่รู้จักกันเป็น (STS) เป็นที่ยอมรับและประสบความสำเร็จทรงตัวสำหรับการเจริญเติบโตอย่างต่อเนื่อง เอสทีจะเปิดและโดยเนื้อแท้ทางสังคม คุณสมบัติที่ได้รับการพิสูจน์เพื่อส่งเสริมให้มีส่วนร่วม แต่ในขณะที่เอสทีนำโอกาสใหม่ที่พวกเขาฟื้นปัญหาเก่าเช่นข้อมูลเกิน ระบบ recommender มีการใช้งานที่รู้จักกันดีสำหรับการเพิ่มระดับของเนื้อหาที่เกี่ยวข้องในช่วง "เสียง" ที่เติบโตอย่างต่อเนื่องเป็นเนื้อหามากขึ้นและกลายเป็นพร้อมใช้งานออนไลน์ ในเอสที แต่เราต้องเผชิญกับความท้าทายใหม่ ๆ ผู้ใช้งานที่มีความสนใจในการหาเนื้อหาไม่เพียง แต่ยังแท็กและแม้กระทั่งผู้ใช้อื่น ๆ นอกจากนี้ในขณะที่ระบบ recommender แบบดั้งเดิมมักจะทำงานมากกว่า 2 ทางอาร์เรย์ข้อมูล STS ข้อมูลที่จะแสดงเป็นเมตริกซ์ที่สามสั่งซื้อหรือ Hypergraph กับ hyperedges denoting (ผู้ใช้ทรัพยากรแท็ก) อเนกประสงค์ ในบทนี้เราสำรวจผลงานล่าสุดและรัฐของศิลปะเกี่ยวกับคนรุ่นใหม่ทั้งระบบ recommender สร้างขึ้นเพื่อให้บริการ STS.We อธิบาย (ก) แง่มุมนวนิยาย Recommenders สำหรับเอสทีเช่นการใช้ทรัพยากรและ Recommenders แท็ก (ข) วิธีการใหม่และขั้นตอนวิธีในการจัดการกับธรรมชาติที่ประกอบไปด้วยข้อมูล STS, และ (ค) ระบบ recommender STS นำไปใช้ในโลกแห่งความจริง นอกจากนี้ยังมีการเปรียบเทียบระหว่างผลงานที่รัดกุมที่มีอยู่จะถูกนำเสนอผ่านที่เราระบุและชี้ให้เห็นทิศทางงานวิจัยใหม่

Results (Thai) 3:

บทคัดย่อการสร้างใหม่ของการใช้งานเว็บที่รู้จักกันเป็น ( STS ) ก่อตั้งเรียบร้อยแล้ว และทรงตัวสำหรับการเจริญเติบโตอย่างต่อเนื่อง ระบบเปิดและโดยเนื้อแท้ของสังคม คุณลักษณะที่ได้รับการพิสูจน์เพื่อส่งเสริมการมีส่วนร่วม แต่ในขณะที่ STS นำโอกาสใหม่ พวกเขาฟื้นฟูปัญหาเก่า เช่น ข้อมูลเกินพิกัดแนะนำระบบที่รู้จักกันดีสำหรับการเพิ่มระดับของเนื้อหาที่เกี่ยวข้องมากกว่า " เสียง " ที่เติบโตอย่างต่อเนื่อง เป็นเพิ่มเติม และเพิ่มเติมเนื้อหาจะพร้อมใช้งานออนไลน์ ในระบบ อย่างไรก็ตาม เราต้องเผชิญกับความท้าทายใหม่ ผู้ใช้สนใจในการหาเนื้อหาที่ไม่เพียง แต่ยังแท็กและแม้กระทั่งผู้ใช้อื่น ๆ นอกจากนี้ในขณะที่ระบบแนะนำแบบดั้งเดิมมักจะใช้มากกว่าแบบอาร์เรย์ข้อมูล ระบบจะแสดงเป็นเทนเซอร์อันดับสามหรือไฮเปอร์กราฟกับ hyperedges denoting ( ผู้ใช้ , ทรัพยากรแท็ก ) อเนกประสงค์ . ในบทนี้เราสำรวจล่าสุดและรัฐ - of - the - art งานรุ่นใหม่ทั้งหมดของการแนะนำระบบขึ้นเพื่อใช้ตาม เราอธิบาย ( นวนิยาย ) แง่มุมของ recommenders สำหรับ STS ,เช่นผู้ใช้ทรัพยากร และแท็ก recommenders ( ข ) วิธีการใหม่และขั้นตอนวิธีสำหรับการรับมือกับธรรมชาติประกอบไปด้วยข้อมูล STS และ ( c ) แนะนำระบบการใช้งานในระบบโลกที่แท้จริง นอกจากนี้ การเปรียบเทียบระหว่างการทำงานที่มีอยู่กระชับจะนำเสนอผ่านที่เราสามารถระบุและชี้ทิศทางการวิจัยใหม่