Recommender systems are being used

Recommender systems are being used by an ever-increasing number of E-commerce sites to help consumers find products to purchase.
What started as a novelty has turned into a serious business tool.
Recommender systems use product knowledge either hand coded knowledge provided by experts or “mined” knowledge learned from the behavior of consumers to guide consumers through the often over whelming task of locating products they will like. In this article we present an explanation of how recommender systems are related to some traditional database analysis techniques.
We examine how recommender systems help E-commerce sites increase sales and analyze the recommender systems at six market leading sites.
Based on these examples, we create a taxonomy of recommender systems, including the inputs required from the consumers, the additional knowledge required from the database, the ways the recommendations are presented to consumers, the technologies used to create the recommendations, and the level of personalization of the recommendations.
We identify five commonly used E-commerce recommender application models, describe several open research problems in the field of recommender systems, and examine privacy implications of recommender systems technology.

Results (Thai) 1:

มีการใช้ระบบผู้แนะนำ โดยจำนวนเพิ่มมากขึ้นของเว็บไซต์ E-commerce เพื่อช่วยผู้บริโภคหาซื้อสินค้าเริ่มต้นความแปลกใหม่ได้กลายเป็นเครื่องมือธุรกิจที่รุนแรง ผู้แนะนำระบบการใช้ความรู้เกี่ยวกับผลิตภัณฑ์ใดมือรหัสความรู้จากผู้เชี่ยวชาญ หรือ "ขุด" ความรู้ที่ได้เรียนรู้จากพฤติกรรมของผู้บริโภคสู่ผู้บริโภคแนะนำมักจะไป whelming งานการค้นหาผลิตภัณฑ์ที่พวกเขาจะชอบ ในบทความนี้ เรานำเสนอคำอธิบายว่าผู้แนะนำระบบเกี่ยวข้องกับเทคนิคการวิเคราะห์ฐานข้อมูลดั้งเดิมบาง เราตรวจสอบเว็บไซต์อีคอมเมิร์ซเพิ่มยอดขาย และวิเคราะห์ระบบผู้แนะนำเว็บไซต์ชั้นนำตลาดหกวิธีระบบผู้แนะนำตามตัวอย่างเหล่านี้ เราสร้างระบบภาษีของผู้แนะนำระบบ รวมถึงปัจจัยการผลิตที่จำเป็นจากผู้บริโภค ความรู้เพิ่มเติมต้องการจากฐานข้อมูล คำแนะนำวิธีการนำเสนอเพื่อผู้บริโภค เทคโนโลยีที่ใช้ในการสร้างคำแนะนำ และระดับของส่วนบุคคลของคำแนะนำ เราระบุห้าใช้อีคอมเมิร์ซผู้แนะนำแอพลิเคชันรุ่น อธิบายหลายเปิดวิจัยปัญหาในด้านของระบบผู้แนะนำ และตรวจสอบผลกระทบของความเป็นส่วนตัวของผู้แนะนำระบบเทคโนโลยี

Results (Thai) 2:

ระบบให้คำแนะนำที่ถูกใช้โดยจำนวนที่เพิ่มมากขึ้นของเว็บไซต์อีคอมเมิร์ซที่จะช่วยให้ผู้บริโภคพบผลิตภัณฑ์ที่จะซื้อ.
สิ่งที่เริ่มเป็นความแปลกใหม่ได้กลายเป็นเครื่องมือทางธุรกิจที่รุนแรง.
ระบบ Recommender ใช้ความรู้สินค้ามือทั้งสองข้างรหัสความรู้ให้โดยผู้เชี่ยวชาญหรือ "ศีลธรรม" ความรู้เรียนรู้จากพฤติกรรมของผู้บริโภคที่จะแนะนำผู้บริโภคผ่านงานมักส่วนประกอบหลักของผลิตภัณฑ์ตำแหน่งที่พวกเขาจะชอบ ในบทความนี้เรานำเสนอคำอธิบายวิธีระบบ recommender ที่เกี่ยวข้องกับเทคนิคการวิเคราะห์ฐานข้อมูลบางแบบดั้งเดิม.
เราตรวจสอบว่าเว็บไซต์ระบบ recommender ช่วยเหลืออีคอมเมิร์ซเพิ่มยอดขายและวิเคราะห์ระบบ recommender ที่เว็บไซต์ชั้นนำของตลาดหก.
จากตัวอย่างเหล่านี้เราจะสร้าง อนุกรมวิธานของระบบ recommender รวมทั้งปัจจัยการผลิตที่จำเป็นจากผู้บริโภคที่มีความรู้เพิ่มเติมที่จำเป็นจากฐานข้อมูลวิธีที่แนะนำที่จะถูกนำเสนอให้กับผู้บริโภคเทคโนโลยีที่ใช้ในการสร้างข้อเสนอแนะและระดับของส่วนบุคคลของคำแนะนำได้.
เราระบุ ห้าที่ใช้กันทั่วไปรุ่นที่สมัครใช้บริการ e-Commerce recommender อธิบายปัญหาการวิจัยที่เปิดในหลายด้านระบบ recommender และตรวจสอบผลกระทบความเป็นส่วนตัวของระบบเทคโนโลยี recommender

Results (Thai) 3:

แนะนำระบบจะถูกใช้ โดยมีจำนวนเพิ่มมากขึ้นของเว็บไซต์อี - คอมเมิร์ซ เพื่อช่วยให้ผู้บริโภคพบผลิตภัณฑ์ที่ซื้อสิ่งที่เริ่มเป็นนวัตกรรมได้กลายเป็นเครื่องมือทางธุรกิจที่ร้ายแรงระบบแนะนำการใช้ ความรู้ผลิตภัณฑ์ มือทั้งสองรหัสความรู้โดยผู้เชี่ยวชาญ หรือ " ขุด " ความรู้ที่ได้เรียนรู้จากพฤติกรรมของผู้บริโภค เพื่อแนะนำผู้บริโภคผ่านทางงานของความวุ่นวายตั้งผลิตภัณฑ์ พวกเขาจะชอบ ในบทความนี้ เราได้นำเสนอคำอธิบายของวิธีการที่ระบบแนะนำเกี่ยวข้องกับบางเทคนิคการวิเคราะห์ฐานข้อมูลแบบดั้งเดิมเราตรวจสอบว่าระบบแนะนำเว็บไซต์ E - commerce ช่วยเพิ่มการขายและวิเคราะห์ตลาดชั้นนำแนะนำระบบที่ 6 เว็บไซต์จากตัวอย่างนี้ เราสร้างอนุกรมวิธานของระบบแนะนำ รวมทั้งปัจจัยการผลิตที่ต้องการจากผู้บริโภค เพิ่มเติมความรู้ที่ต้องการจากฐานข้อมูลวิธีการข้อเสนอแนะเสนอต่อผู้บริโภค เทคโนโลยีที่ใช้ในการสร้างข้อเสนอแนะและระดับส่วนบุคคลของข้อเสนอแนะเราระบุห้าใช้ทั่วไป - แนะนำโปรแกรมแบบอธิบายปัญหาการวิจัยหลายเปิดในด้านการแนะนำระบบ และการตรวจสอบความเป็นส่วนตัวผลกระทบของเทคโนโลยีระบบแนะนำ .