Although linear discriminative clas

Although linear discriminative classifiers such as Ranking SVM may have an
advantage for web search, there are other search applications where there will be
less training data and less features available. For these applications, the generative
models of topical relevance may be more effective, especially as the models continue
to improve through better estimation techniques. The next section discusses how estimation can be improved by modeling a document as a mixture of topic models.

ผลลัพธ์ (ไทย) 1:

แม้ว่าคำนามภาษา discriminative เชิงเส้นเช่น SVM คะแนนอาจมีการประโยชน์สำหรับเว็บค้นหา มีโปรแกรมค้นหาอื่น ๆ ซึ่งจะมีข้อมูลการฝึกอบรมน้อยและลดคุณลักษณะที่พร้อมใช้งาน สำหรับการใช้งาน ส่วนตัวรูปแบบของความเกี่ยวข้องเฉพาะอาจจะมีประสิทธิภาพมากขึ้น โดยเฉพาะอย่างยิ่งในขณะที่ยังคงรูปแบบการปรับปรุงผ่านเทคนิคการประเมินที่ดีกว่า ส่วนถัดไปอธิบายถึงวิธีการประเมินสามารถแก้ไขได้ โดยการสร้างแบบจำลองเอกสารเป็นส่วนผสมของรูปแบบหัวข้อ

ผลลัพธ์ (ไทย) 2:

แม้ว่าลักษณนามจำแนกเชิงเส้นเช่นการจัดอันดับ SVM อาจจะมี
ประโยชน์สำหรับการค้นหาเว็บมีโปรแกรมค้นหาอื่น ๆ ที่จะมี
ข้อมูลการฝึกอบรมน้อยและคุณสมบัติที่น้อยลง สำหรับการใช้งานเหล่านี้กำเนิด
รูปแบบของความสัมพันธ์กันเฉพาะอาจจะมีประสิทธิภาพมากขึ้นโดยเฉพาะอย่างยิ่งรุ่นอย่างต่อเนื่อง
ในการปรับปรุงโดยใช้เทคนิคการประมาณค่าที่ดีกว่า ส่วนถัดไปอธิบายถึงวิธีการประมาณค่าได้ดีขึ้นโดยการสร้างแบบจำลองเอกสารเป็นส่วนผสมของรุ่นหัวข้อ

ผลลัพธ์ (ไทย) 3:

แม้ว่าคำลักษณนามและเชิงเส้นเช่นการจัดอันดับ SVM อาจมีประโยชน์สำหรับการค้นหาเว็บ มีโปรแกรมการค้นหาอื่น ๆ ที่ จะ มีการฝึกอบรมและคุณสมบัติของข้อมูลน้อยลงน้อยลง . สำหรับการใช้งานเหล่านี้ เข้ารุ่นของความเกี่ยวข้องอาจจะมีประสิทธิภาพมากขึ้น , โดยเฉพาะอย่างยิ่งเป็นรุ่นต่อไปปรับปรุงผ่านดีกว่าวิธีการประมาณค่า . ส่วนถัดไปอธิบายถึงวิธีการคำนวณที่สามารถปรับปรุงโดยการเอกสารที่เป็นส่วนผสมของรูปแบบหัวข้อ