There are several criteria in activ

There are several criteria in active learning for item selection
and entropy minimization is one of them. In the context of
aspect model, this leads to the following equation for a user
u, where θuz denotes the current user parameters (P(z|u)),
and θuz|m,r denotes user parameters after retraining the usermodel
based on a newly obtained rating r for movie m from
the user i.e. P(z|u, m, r):

ผลลัพธ์ (ไทย) 1:

มีเงื่อนไขหลายอย่างในการเรียนรู้ที่ใช้งานอยู่สำหรับการเลือกสินค้าและลดภาระของเอนโทรปีเป็นหนึ่งในพวกเขา ในบริบทของรูปแบบด้าน นี้นำไปสู่ผู้ใช้สมการต่อไปนี้u ที่ θuz แสดงพารามิเตอร์ผู้ใช้ปัจจุบัน (P(z|u))และ θuz|m, r หมายถึงพารามิเตอร์ผู้ใช้หลังจากการ retraining usermodelตาม r ใหม่ได้รับการจัดอันดับสำหรับภาพยนตร์ m จากผู้ใช้เช่น P (z|u, m, r):

ผลลัพธ์ (ไทย) 2:

มีเกณฑ์หลายในการเรียนรู้การใช้งานสำหรับการเลือกรายการที่มีและการลดเอนโทรปีเป็นหนึ่งในนั้น ในบริบทของรูปแบบลักษณะนี้นำไปสู่สมการต่อไปนี้สำหรับผู้ใช้ยูที่θuzหมายถึงค่าพารามิเตอร์ที่ใช้ปัจจุบัน(P (ซี | ยู)) และθuz | มอาร์หมายถึงค่าพารามิเตอร์ที่ผู้ใช้หลังจากการฝึกอบรม usermodel อยู่บนพื้นฐานของ คะแนนที่ได้รับใหม่อาร์สำหรับภาพยนตร์เมตรจากผู้ใช้คือP (ซี | มึงเมตร R):

ผลลัพธ์ (ไทย) 3:

มีหลายเงื่อนไขในการเรียนรู้สำหรับการเลือกรายการและค่าเอนโทรปี
เป็นหนึ่งของพวกเขา ในบริบทของ
รูปแบบด้านนี้นำไปสู่สมการต่อไปนี้สำหรับผู้ใช้
U ที่θ UZ แสดงพารามิเตอร์ที่ผู้ใช้ปัจจุบัน ( P ( z | u )
θ UZ และ | M , R หมายถึงพารามิเตอร์ที่ผู้ใช้หลังจากการนำ usermodel
ยึดใหม่ได้จัดอันดับ R สำหรับหนัง M จาก
ผู้ใช้คือ P ( Z | u , M , R :
)