content-based methods use informati

content-based methods use information about an item itself to make suggestions. This approach has the advantage of being able to recommend previously unrated items to users with unique interests and to provide explanations for its recommendations. We describe a content-based book recommending system that utilizes information extraction and a machine-learning algorithm for text categorization. Initial experimental results demonstrate that this approach can produce accurate recommendations.

Hasil (Bahasa Indonesia) 1:

metode berbasis konten menggunakan informasi tentang item itu sendiri untuk membuat saran. Pendekatan ini memiliki keuntungan dari mampu untuk merekomendasikan sebelumnya unrated item untuk pengguna dengan minat yang unik dan untuk menyediakan penjelasan untuk rekomendasi. Kami menjelaskan konten berbasis buku merekomendasikan sistem yang memanfaatkan ekstraksi informasi dan algoritma mesin belajar untuk teks kategorisasi. Hasil eksperimen awal menunjukkan bahwa pendekatan ini dapat menghasilkan rekomendasi yang akurat.

Hasil (Bahasa Indonesia) 2:

metode berbasis konten menggunakan informasi tentang item itu sendiri untuk membuat saran. Pendekatan ini memiliki keuntungan untuk dapat merekomendasikan item sebelumnya unrated untuk pengguna dengan kepentingan yang unik dan memberikan penjelasan untuk rekomendasinya. Kami menggambarkan sebuah buku merekomendasikan sistem berbasis konten yang memanfaatkan ekstraksi informasi dan algoritma mesin-belajar untuk kategorisasi teks. hasil eksperimen awal menunjukkan bahwa pendekatan ini dapat menghasilkan rekomendasi yang akurat.