Thus, in addition to selecting the

Thus, in addition to selecting the items which will accelerate
the model towards the true user model θtrue
u , the active
learning algorithm should also try to select items which have
a very high probability of getting a rating from a user. To
address this issue, Harpale and Yang [19] extended Jin and
Si [18] and introduced a new term P(m|u) into Equation 3,
that is the probability of getting a rating, on the item m from
the user u:

ผลลัพธ์ (ไทย) 2:

ดังนั้นในนอกจากการเลือกรายการที่จะช่วยเร่งการรูปแบบที่มีต่อรูปแบบการใช้งานที่แท้จริงθtrueมึงใช้งานขั้นตอนวิธีการเรียนรู้ควรพยายามที่จะเลือกรายการที่มีความน่าจะเป็นสูงมากในการได้รับการจัดอันดับจากผู้ใช้ เพื่อแก้ไขปัญหานี้ Harpale และหยาง [19] ขยายจินและศรี[18] และแนะนำคำใหม่ P (ม. | ยู) ลงในสมการที่ 3 ที่มีความน่าจะเป็นในการได้รับการจัดอันดับบนมรายการจากผู้ใช้ยู:

ผลลัพธ์ (ไทย) 3:

ดังนั้น นอกจากการเลือกรายการซึ่งจะเร่ง
รุ่นต่อรุ่นθจริงจริงผู้ใช้
U
ใช้อัลกอริทึมการเรียนรู้ยังควรพยายามที่จะเลือกรายการซึ่งมี
ความน่าจะเป็นสูงมากรับคะแนนจากผู้ใช้

ที่อยู่ปัญหานี้ harpale และหยาง [ 19 ] ขยายจิน
ศรี [ 18 ] และเปิดเทอมใหม่ P ( M | u ) ลงในสมการที่ 3
นั่นคือ ความน่าจะเป็นของการจัดอันดับ ในรายการ M จาก
ผู้ใช้ u :