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
arc hical 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 hierอาร์ hical ทฤษฎีเครือข่าย อย่างไรก็ตาม คือว่า มันแพงมากเพื่อเรียนรู้ และปรับปรุงรูปแบบเมื่อมีผู้ใช้หลายคนในนั้น จางและ Koren [79] เสนอ varia แบบสเตรชันมากกว่าแบบ Maximization ความคาดหวัง (EM) มาตรฐานรวดเร็วขึ้นกระบวนการนี้ในสถานการณ์ของ RS ที่ตามเนื้อหา

ผลลัพธ์ (ไทย) 2:

เครือข่ายแบบเบย์ตามลำดับชั้นได้ถูกนำมาใช้ในการตั้งค่าหลายวิธี
ที่จะเพิ่มความรู้โดเมน ltering สายข้อมูล [78] หนึ่งในประเด็นที่มีที่นี่
โค้งเครือข่ายแบบเบย์ hical แต่ก็คือว่ามันแพงมากที่จะเรียนรู้และปรับปรุง
รูปแบบเมื่อมีผู้ใช้หลายคนในนั้น วอชิงตันโพสต์และโคเรน [79] เสนอ varia-
การกว่ามาตรฐานความคาดหวัง-ปรับปรุงสูงสุด (EM) รูปแบบในการสั่งซื้อเพื่อเพิ่มความเร็วใน
กระบวนการนี้ในสถานการณ์ของอาร์เอสเนื้อหาตาม

ผลลัพธ์ (ไทย) 3:

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

เนื้อหาสถานการณ์ของอาร์เอส