ANN’s can be used in a similar way

ANN’s can be used in a similar way as Bayesian Networks to construct model
based RS’s. However, there is no conclusive study to whether ANN introduce any
performance gain. As a matter of fact, Pazzani and Billsus [57] did a comprehen-
sive experimental study on the use of several machine learning algorithms for web
site recommendation. Their main goal was to compare the simple naive Bayesian
Classifier with computationally more expensive alternatives such as Decision Trees
and Neural Networks. Their experimental results show that Decision Trees perform
significantly worse. On the other hand ANN and the Bayesian classifier performed
similarly. They conclude that there does not seem to be a need for nonlinear clas-
sifiers such as the ANN. Berka et al. [31] used ANN to build an URL RS for web
navigation. They implemented a content-independent system based exclusively on
trails – i.e. associating pairs of domain names with the number of people who tra-
versed them. In order to do so they used feed-forward Multilayer Perceptrons trained
with the Backpropagation algorithm.

ผลลัพธ์ (ไทย) 1:

ของแอนน์สามารถใช้ในเครือข่ายทฤษฎีการสร้างแบบจำลองใช้ของ RS อย่างไรก็ตาม มีการศึกษาไม่มีข้อสรุปว่าแอนแนะนำใด ๆทำ เป็นแท้ Pazzani และ Billsus [57] ได้ comprehen แบบsive ทดลองศึกษาการใช้หลายเครื่องสำหรับเว็บการเรียนรู้แนะนำเว็บไซต์ เป้าหมายหลักของพวกเขาคือการ เปรียบเทียบขำน่าเชื่อทฤษฎีClassifier กับทาง computationally แพงกว่าเช่นต้นไม้ตัดสินใจและเครือข่ายประสาท ผลการทดลองแสดงว่า ต้นไม้ตัดสินใจทำsignificantly แย่ลง ในทางกลับกัน แอนน์และ classifier ทฤษฎีปฏิบัติในทำนองเดียวกัน พวกเขาสรุปว่า มีดูเหมือนไม่ มีความจำเป็นสำหรับ clas ไม่เชิงเส้น-sifiers เช่น ANN. Berka et al. [31] ใช้แอนเสก RS มี URL สำหรับเว็บนำทาง พวกเขาใช้ระบบอิสระเนื้อหาโดยเฉพาะในแนว – คู่เชื่อมโยงเช่นชื่อโดเมนกับจำนวนคนที่ตรา-ผู้หญิงและเด็กเหล่านั้น ทำเพื่อให้ใช้ Perceptrons Multilayer ไปดึงข้อมูลที่ผ่านการฝึกอบรมกับอัลกอริทึม Backpropagation

ผลลัพธ์ (ไทย) 2:

ANN สามารถนำมาใช้ในทางที่คล้ายกันเป็นเครือข่ายแบบเบส์ในการสร้างรูปแบบ
พื้นฐานของอาร์เอส แต่ไม่มีการศึกษาได้ข้อสรุปว่า ANN แนะนำใด ๆ ที่
ได้รับประสิทธิภาพ เป็นเรื่องของความเป็นจริงและ Pazzani Billsus [57] ได้ comprehen-
ศึกษาทดลองบ่งบอกเกี่ยวกับการใช้ขั้นตอนวิธีการเรียนรู้หลายเครื่องสำหรับเว็บ
คำแนะนำเว็บไซต์ เป้าหมายหลักของพวกเขาคือการเปรียบเทียบแบบเบย์ที่เรียบง่ายไร้เดียงสา
Classi เอ้อไฟมีทางเลือกที่มีราคาแพงกว่าคอมพิวเตอร์เช่นต้นไม้การตัดสินใจ
และเครือข่ายประสาทเทียม ผลการทดลองของพวกเขาแสดงให้เห็นว่าต้นไม้การตัดสินใจดำเนินการ
อย่างมีนัยสำคัญที่เลวร้ายยิ่ง บนมืออื่น ๆ แอนและเบย์จัดประเภทเอ้อสายดำเนินการ
ในทำนองเดียวกัน พวกเขาสรุปว่ามีไม่ได้ดูเหมือนจะมีความจำเป็นในการไม่เชิงเส้น clas-
ERS ไฟ si เช่น ANN และอัลแบร์คา [31] ที่ใช้ในการสร้างแอนอาร์เอส URL สำหรับเว็บ
นำทาง พวกเขาใช้ระบบเนื้อหาอิสระเฉพาะใน
เส้นทาง - เช่นการเชื่อมโยงคู่ของชื่อโดเมนที่มีจำนวนของคนที่ tra-
พวกเขามีประสบการณ์ เพื่อที่จะทำเพื่อให้พวกเขาใช้ Perceptrons หลายฟีดไปข้างหน้าผ่านการฝึกอบรม
ที่มีขั้นตอนวิธีการแพร่กระจายย้อนกลับ

ผลลัพธ์ (ไทย) 3:

แอนสามารถใช้ในลักษณะที่เป็นเครือข่ายแบบเบย์เพื่อสร้างแบบจำลอง
จากอาร์เอส อย่างไรก็ตาม ไม่มีข้อสรุป ศึกษาว่า แอนแนะนำๆ
ประสิทธิภาพที่ได้รับ เป็นเรื่องของความเป็นจริงและ pazzani billsus [ 57 ] ก็เข้าใจ -
sive การศึกษาทดลองใช้หลายเครื่องการเรียนรู้ขั้นตอนวิธีสำหรับเว็บ
เว็บไซต์แนะนำ เป้าหมายหลักของพวกเขาคือเพื่อเปรียบเทียบง่ายๆซื่อๆ Bayesian
classi จึงเอ้อกับทางเลือก computationally แพงกว่า เช่น ต้นไม้ การตัดสินใจ
และเครือข่ายประสาท ผลการทดลองแสดงให้เห็นว่าการตัดสินใจของต้นไม้แสดง
signi จึงลดลงอย่างมีนัยสําคัญเมื่อเลวร้าย บนมืออื่น ๆและ classi เอ้อส์ แอนจึงปฏิบัติ
ในทํานองเดียวกัน พวกเขาสรุปว่ามีดูเหมือนจะเป็นความต้องการเชิง 1 -
ศรีจึง ERS เช่น Ann berka et al .[ 31 ] ใช้แอนสร้าง URL RS สำหรับเว็บ
นำทาง พวกเขาใช้ระบบอิสระตามเนื้อหาเฉพาะในการดำเนินการประกอบ
เส้นทางคู่ของชื่อโดเมนกับหมายเลขของผู้ที่ข้าม
รอบตัวพวกเขา เพื่อที่จะทำเช่นนั้นพวกเขาใช้ feed-forward Multilayer เพอร์เซปตรการอบรม
กับ

แบบอัลกอริทึม