• PROFILE LEARNER – This module col

• PROFILE LEARNER – This module collects data representative of the user preferences and tries to generalize this data, in order to construct the user profile. Usu-
ally, the generalization strategy is realized through machine learning techniques
[61], which are able to infer a model of user interests starting from items liked or
disliked in the past. For instance, the PROFILE LEARNER of a Web page recommender can implement a relevance feedback method [75] in which the learning
technique combines vectors of positive and negative examples into a prototype
vector representing the user profile. Training examples are Web pages on which
a positive or negative feedback has been provided by the user;

ผลลัพธ์ (ไทย) 1:

•ประวัติผู้เรียน – โมดูลนี้รวบรวมข้อมูลตัวแทนของการกำหนดลักษณะผู้ใช้ และพยายามเมข้อมูล การสร้าง profile ผู้ใช้ Usu-พันธมิตร กลยุทธ์ generalization ถูกรับรู้โดยใช้เทคนิคการเรียนรู้ของเครื่อง[61], ซึ่งจะสามารถเข้าใจแบบผู้สนใจเริ่มต้นจากรายการที่ชอบ หรือdisliked ในอดีต ตัวอย่าง เรียนโพรไฟล์ของผู้แนะนำเว็บที่สามารถใช้วิธีเกี่ยวผลป้อนกลับ [75] ซึ่งการเรียนรู้เทคนิครวมเวกเตอร์ของตัวอย่างการบวก และลบเป็นต้นแบบเวกเตอร์ที่แทน profile ผู้ใช้ ฝึกอบรมอย่างหน้าเว็บที่มีการให้คำติชมเป็นบวก หรือลบ โดยผู้ใช้

ผลลัพธ์ (ไทย) 2:

•ประวัติผู้เรียน - โมดูลนี้จะเก็บรวบรวมข้อมูลของผู้แทนการตั้งค่าของผู้ใช้และพยายามที่จะพูดคุยข้อมูลนี้เพื่อสร้างผู้ใช้โปรไฟ le Usu-
พันธมิตรกลยุทธ์ทั่วไปจะรู้โดยใช้เทคนิคการเรียนรู้เครื่อง
[61] ซึ่งสามารถที่จะสรุปรูปแบบของผลประโยชน์ของผู้ใช้เริ่มต้นจากรายการที่ชอบหรือ
ไม่ชอบในอดีตที่ผ่านมา ยกตัวอย่างเช่นการเรียนรู้ประวัติของ recommender เว็บเพจสามารถใช้วิธีการข้อเสนอแนะที่เกี่ยวข้อง [75] ซึ่งในการเรียนรู้
เทคนิคการรวมเวกเตอร์ตัวอย่างในเชิงบวกและเชิงลบเป็นต้นแบบ
เวกเตอร์ที่เป็นตัวแทนของผู้ใช้โปรไฟ le ตัวอย่างการฝึกอบรมเป็นหน้าเว็บที่
ตอบรับเชิงบวกหรือเชิงลบได้รับการให้บริการโดยผู้ใช้;

ผลลัพธ์ (ไทย) 3:

บริการข้อมูลผู้เรียน–โมดูลนี้รวบรวมข้อมูลตัวแทนของผู้ใช้การตั้งค่าและพยายามที่จะหาข้อมูลนี้เพื่อที่จะสร้างผู้ใช้ Pro จึงเลอ . เช่น -
พันธมิตร , การกลยุทธ์เป็นตระหนักผ่านเครื่องเรียนรู้เทคนิค
[ 61 ] ซึ่งสามารถสรุปรูปแบบของผลประโยชน์ของผู้ใช้ โดยเริ่มจากรายการที่ชอบหรือ
ชอบในอดีต สำหรับอินสแตนซ์โปรไฟล์ของหน้าเว็บแนะนำผู้เรียนสามารถใช้วิธี [ 75 ] The ความคิดเห็นโดยใช้เทคนิคการเรียนรู้
รวมเวกเตอร์ตัวอย่างบวกและลบในต้นแบบ
เวกเตอร์แทนผู้ใช้ Pro จึงเลอ . ตัวอย่างการฝึกอบรมเป็นหน้าเว็บที่
ความคิดเห็นบวกหรือลบได้โดยผู้ใช้ ;