In the recommender system context,

In the recommender system context, each
item has already been rated by training users while in
classic active learning there is not training user. Considering
this difference, we can find new algorithms which
rely on this additional information instead of complicated
computations.

ผลลัพธ์ (ไทย) 1:

ในบริบทระบบผู้แนะนำ แต่ละคะแนนสินค้าผู้ฝึกในขณะที่ในอยู่แล้วคลาสสิคใช้งานเรียนรู้มีได้ฝึกอบรมผู้ใช้ พิจารณาความแตกต่างนี้ เราสามารถค้นหาอัลกอริทึมใหม่ที่อาศัยข้อมูลเหล่านี้เพิ่มเติมแทนที่ซับซ้อนประมวลผล

ผลลัพธ์ (ไทย) 2:

ในบริบทของระบบ recommender แต่ละรายการที่ได้รับการประเมินโดยผู้ใช้ในการฝึกอบรมในขณะที่การเรียนรู้การใช้งานคลาสสิกที่มีการฝึกอบรมการใช้งานไม่ได้ เมื่อพิจารณาความแตกต่างนี้เราสามารถหาขั้นตอนวิธีการใหม่ที่พึ่งพาข้อมูลเพิ่มเติมนี้แทนซับซ้อนคำนวณ

ผลลัพธ์ (ไทย) 3:

ในการแนะนำระบบของแต่ละรายการได้ถูกจัดอันดับโดย

ผู้ใช้การฝึกอบรมในขณะที่การเรียนรู้คลาสสิกไม่มีผู้ใช้การฝึกอบรม พิจารณา
ความแตกต่างนี้ เราสามารถค้นหาใหม่อัลกอริทึมที่อาศัยข้อมูลเพิ่มเติมนี้แทน

การคำนวณที่ซับซ้อน .