● Gathering user upvotes data.● Per

● Gathering user upvotes data.● Personalized ranking for every user based on his activity, knowing what type of reviews and what type of literature he/she likes. For users who don't upvote reviews, we may use recommendation / collaborative filtering technique and show similar users personalized ranking of reviews.● Personalized ranking would be further extension for relevance ranking where we use upvotes per user and learn which type of reviews a person likes and based on that helpful upvote we will show the reviews on top which have same features and relevance which the person upvotes.

結果 (繁體中文) 1:

●收集用戶upvotes數據。
●個性化排名基於他的活動每個用戶，知道評論是什麼類型，什麼類型文學的他/她喜歡。誰不給予好評的評論的用戶，我們可以使用推薦/協同過濾技術和個性化展示的審查類似排名的用戶。
●個性化的排名，我們每個用戶使用upvotes將是相關性進一步延伸排名了解哪些評論一個人喜歡的類型，並基於該有益給予好評，我們將顯示在頂部的審查，其中具有相同的特性和相關性該人upvotes。

結果 (繁體中文) 2:

• 收集使用者投票資料。
• 根據每個使用者的活動進行個人化排名，瞭解他/她喜歡的評論類型和文學類型。對於沒有向上投票評論的使用者，我們可能會使用推薦/協作篩選技術，並顯示類似的使用者個人化的評論排名。
• 個人化排名將進一步擴展相關性排名，其中我們使用每個使用者的上票，並瞭解一個人喜歡的評論類型，並基於該有用的向上投票，我們將顯示頂部具有與該人投票相同的功能和相關性的評論。

結果 (繁體中文) 3:

●收集用戶投票數據。
●根據每個用戶的活動，瞭解他/她喜歡哪種類型的評論和哪種類型的文獻，對其進行個性化排名。對於不支持評論的用戶，我們可以使用推薦/合作過濾科技，並向類似用戶顯示評論的個性化排名。
●個性化排名將是相關性排名的進一步擴展，我們使用每個用戶的更新投票，並瞭解一個人喜歡哪種類型的評論，基於這一有用的更新投票，我們將在頂部顯示與該人更新投票具有相同特徵和相關性的評論。