Hierarchical Bayesian Networks have

Hierarchical Bayesian Networks have also been used in several settings as a way
to add domain-knowledge for information filtering [78]. One of the issues with hier-
archical Bayesian networks, however, is that it is very expensive to learn and update
the model when there are many users in it. Zhang and Koren [79] propose a varia-
tion over the standard Expectation-Maximization (EM) model in order to speed up
this process in the scenario of a content-based RS.

ผลลัพธ์ (ไทย) 1:

เครือข่ายทฤษฎีลำดับชั้นยังใช้ในการตั้งค่าต่าง ๆ เป็นแบบการเพิ่มความรู้โดเมนสำหรับข้อมูล filtering [78] ประเด็นกับ hier-เครือข่ายทฤษฎี archical อย่างไรก็ตาม คือว่า มันแพงมากเพื่อเรียนรู้ และปรับปรุงรูปแบบเมื่อมีผู้ใช้หลายคนในนั้น จางและ Koren [79] เสนอ varia แบบสเตรชันมากกว่าแบบ Maximization ความคาดหวัง (EM) มาตรฐานรวดเร็วขึ้นกระบวนการนี้ในสถานการณ์ของ RS ที่ตามเนื้อหา

ผลลัพธ์ (ไทย) 2:

เครือข่ายแบบเบย์ตามลำดับชั้นได้ถูกนำมาใช้ในการตั้งค่าหลายวิธี
ที่จะเพิ่มความรู้โดเมน ltering สายข้อมูล [78] หนึ่งในประเด็นที่มี hier-
เครือข่ายแบบเบย์ archical แต่ก็คือว่ามันแพงมากที่จะเรียนรู้และปรับปรุง
รูปแบบเมื่อมีผู้ใช้หลายคนในนั้น วอชิงตันโพสต์และโคเรน [79] เสนอ varia-
การกว่ามาตรฐานความคาดหวัง-ปรับปรุงสูงสุด (EM) รูปแบบในการสั่งซื้อเพื่อเพิ่มความเร็วใน
กระบวนการนี้ในสถานการณ์ของอาร์เอสเนื้อหาตาม

ผลลัพธ์ (ไทย) 3:

เครือข่ายแบบลำดับชั้นยังถูกใช้ในการตั้งค่าหลายเป็นวิธีที่จะเพิ่มความรู้โดเมนสำหรับข้อมูล
จึง ltering [ 78 ] หนึ่งในปัญหากับที่นี่ -
archical คชกรรมเครือข่าย อย่างไรก็ตาม คือ ว่า มันแพงมากที่จะเรียนรู้และปรับปรุง
รูปแบบเมื่อมีผู้ใช้หลายคนในนั้น จางและราก [ 79 ] เสนอ วาเรีย -
tion เหนือความคาดหวังสูงสุดมาตรฐาน ( EM ) รูปแบบเพื่อเพิ่มความเร็วในกระบวนการนี้

เนื้อหาสถานการณ์ของอาร์เอส