The solution we obtain from the NNL

The solution we obtain from the NNLS solver has two
drawbacks: (i) it does not incorporate the constraint of having
at most p labels, and (ii) most importantly, it does not have
a clear interpretation as a set X, since the variables xi may
take any non-negative value, not only 0–1. We address both of
these problems with a greedy post-processing of the fractional
solution: We first sort the variables xi
in decreasing order,
breaking ties arbitrarily. We then obtain a set Xq by setting
the first q variables xi
to 1 and the rest to 0. We vary q from 1
to p. Out of the p different sets Xq that we obtain this way, we
select the one that minimizes the cost d(Xq, {hSj , zj i}), and
return this as the solution to the JACCARD-TRIANGULATION
problem.

ผลลัพธ์ (ไทย) 1:

การแก้ปัญหาที่เราได้รับจาก NNLS solver มีสองข้อเสีย: (i) ไม่รวมข้อจำกัดของการมีและส่วนใหญ่ป้าย p (ii) ที่สำคัญที่สุด ไม่มีการตีความที่ชัดเจนเป็น X เนื่องจากอาจสิตัวแปรชุดใช้ค่าไม่เป็นลบใด ๆ ไม่เพียง 0 – 1 เราอยู่ทั้งสองปัญหาเหล่านี้ ด้วยความโลภหลังการประมวลผลที่เป็นเศษส่วนโซลูชัน: เราแรกเรียงลำดับสีแปรลำดับ ที่ลดลงทำลายความสัมพันธ์โดยพลการ เรารับ Xq ที่กำหนด โดยการตั้งค่าแล้วตัวแปร xi แรกของ q1 และส่วนเหลือเป็น 0 เราแตกต่าง q 1การ p. p แตกต่างจากชุด Xq ที่เราได้รับด้วยวิธีนี้ เราเลือกหนึ่งที่ช่วยลดต้นทุน d (Xq, { hSj, zj ผม}), และกลับนี้เป็นโซลูชันการ JACCARD ระบบสามสกุลปัญหา

ผลลัพธ์ (ไทย) 2:

วิธีการแก้ปัญหาที่เราได้รับจากการแก้ NNLS มีสอง
ข้อเสีย: (i) มันไม่ได้รวมข้อ จำกัด ของการมี
ฉลาก P ที่สุดและ (ii) ที่สำคัญที่สุดคือมันไม่ได้มี
ความหมายที่ชัดเจนเป็นชุด X เนื่องจากตัวแปร Xi อาจ
ใช้ใด ๆ ค่าที่ไม่ใช่เชิงลบไม่เพียง แต่ 0-1 เราอยู่ทั้งสองด้านของ
ปัญหาเหล่านี้ด้วยความโลภการโพสต์ของเศษส่วน
วิธีการแก้ปัญหา: เราแรกเรียงลำดับ Xi ตัวแปร
ในการลดการสั่งซื้อ
ที่จะหมดความสัมพันธ์โดยพลการ จากนั้นเราจะได้รับชุด Xq โดยการตั้งค่า
ครั้งแรกตัวแปร Q Xi
1 และส่วนที่เหลือเป็น 0 เราแตกต่างกันไป Q จาก 1
ไปที่ P ออกจาก P ชุดที่แตกต่าง Xq ที่เราได้รับวิธีนี้เรา
เลือกหนึ่งที่จะช่วยลดค่าใช้จ่าย D (Xq {HSJ, ZJ i}) และ
กลับมานี้เป็นวิธีแก้ปัญหาที่จะ Jaccard-TRIANGULATION
ปัญหา

ผลลัพธ์ (ไทย) 3:

โซลูชั่นที่เราได้รับจาก nnls แก้ได้สองข้อด้อย : ( ผม ) ไม่รวมข้อจำกัดของการมีที่ที่สุด p ป้าย และ ( ii ) ที่สำคัญที่สุด มันไม่ได้มีมีการตีความที่ชัดเจนเป็นชุด X เนื่องจากตัวแปร Xi อาจจะไม่ลบค่าใด ๆที่ไม่เพียง แต่ 0 – 1 เราอยู่ทั้งปัญหาเหล่านี้ด้วยการโพสต์โลภของเศษส่วนโซลูชั่นแรกที่เราเรียงตัวซีในการสั่งทำลายความสัมพันธ์โดยพลการ จากนั้นเราได้รับชุด xq โดยการตั้งค่าตัวแปร q แรกจิน1 และที่เหลือเป็น 0 เราเปลี่ยนจาก 1 คิวในหน้าของ p ที่แตกต่างกันชุด xq ที่เราได้รับด้วยวิธีนี้ เราเลือกหนึ่งที่ช่วยลดต้นทุน D ( xq { hsj , ZJ i } )คืน นี้ เป็น วิธีการแก้ jaccard-triangulationปัญหา