One solution of this dilemma is the

One solution of this dilemma is the use of an adaptive approach. The idea is to present some evaluated documents to the IF system and to let it generate the user profile on its own. As a side-effect the system can improve the user profile continuously if the user himself gives a feedback on misclassified documents. This approach has already been implemented in NewsSIEVE [Haneke 2001] and PI-Agent [Kuropka 2001] systems. NewsSIEVE adapts the user profile by using evolutionary algorithms while the PI-Agent uses neuronal networks. Both approaches have in common that the initial
information about user profiles (= training set) are transformed into an internal representation (e. g. neuron
weights in case of a neuronal network) which makes the profile representation difficult to understand for users. So the system is not able to explicate its classification rules in a user-friendly way. This leads to the following problems: Firstly, the user has to rely on the classification given by the IF system without knowing how the classification is done in detail. Secondly, in case the user’s information demand shifts from one day to another or the system is unable to adapt his information demand, it is impossible for him to make reasonable corrections on his profile. Consequently, the user has to wait until the system has corrected his profile automatically. Meanwhile, a lot of documents may be misclassified.

ผลลัพธ์ (ไทย) 1:

วิธีการแก้ไขปัญหาของความลำบากใจนี้เป็นการใช้วิธีการแบบอะแดปทีฟ ความคิดเป็นการนำเสนอเอกสารระบบถ้าบางค่า และ เพื่อให้มันสร้างโพรไฟล์ผู้ใช้นั้น เป็นผลข้างเคียง ระบบสามารถปรับปรุงส่วนกำหนดค่าผู้ใช้อย่างต่อเนื่องถ้าผู้ใช้เองให้ผลป้อนกลับที่เกี่ยวกับงานเอกสาร มีการใช้วิธีการนี้ในระบบ PI แทน [Kuropka 2001] และ NewsSIEVE [Haneke 2001] NewsSIEVE ปรับโปรไฟล์ผู้ใช้ โดยใช้อัลกอริทึมเชิงวิวัฒนาการในขณะที่เครือข่าย neuronal ใช้แทนปี่ ทั้งสองวิธีมีกันที่แรกข้อมูลเกี่ยวกับโพรไฟล์ผู้ใช้ (=ชุดฝึกอบรม) จะเปลี่ยนเป็นการแสดงภายใน (e. กรัมเซลล์ประสาทน้ำหนักในกรณีที่เครือข่าย neuronal) ซึ่งทำให้แสดงค่ายากที่จะเข้าใจสำหรับผู้ใช้ ดังนั้น ระบบจะไม่สามารถ explicate กฎของการจัดประเภทแบบง่าย นี้นำไปสู่ปัญหาต่อไปนี้: ประการแรก ผู้ใช้มีการพึ่งพาการจัดประเภทที่กำหนดให้ โดยระบบถ้าไม่รู้วิธีทำการจัดประเภทโดยละเอียด ประการที่สอง ในกรณีที่ความต้องการข้อมูลของผู้ใช้เลื่อนจากวันหนึ่งไปยังอีก หรือระบบไม่สามารถปรับความต้องการข้อมูลของเขา มันเป็นไปไม่ได้สำหรับเขาที่จะทำการแก้ไขที่เหมาะสมบนโปรไฟล์ของเขา ดังนั้น ผู้ใช้มีให้รอจนกว่าระบบได้แก้ไขส่วนกำหนดค่าของเขาโดยอัตโนมัติ ในขณะเดียวกัน เอกสารจำนวนมากอาจจะ misclassified

ผลลัพธ์ (ไทย) 2:

หนึ่งในการแก้ปัญหาของภาวะที่กลืนไม่เข้าคายไม่ออกนี้คือการใช้วิธีการปรับตัว ความคิดที่จะนำเสนอเอกสารบางอย่างที่จะได้รับการประเมินระบบและหากจะปล่อยให้มันสร้างโปรไฟล์ของผู้ใช้ในตัวเอง ในฐานะที่เป็นผลข้างเคียงต่อระบบสามารถปรับปรุงรายละเอียดของผู้ใช้อย่างต่อเนื่องหากผู้ใช้ตัวเองให้ข้อเสนอแนะเกี่ยวกับเอกสารแบ่ง วิธีการนี้จะได้รับการดำเนินการอยู่แล้วใน NewsSIEVE [Haneke 2001] และ PI-Agent [Kuropka 2001] ระบบ NewsSIEVE ปรับรายละเอียดผู้ใช้โดยใช้ขั้นตอนวิธีวิวัฒนาการในขณะที่ PI-Agent ใช้เครือข่ายประสาท วิธีการทั้งสองมีเหมือนกันว่าเริ่มต้นข้อมูลเกี่ยวกับโปรไฟล์ผู้ใช้ (= ชุดฝึกอบรม) จะกลายเป็นตัวแทนภายใน (เช่นเซลล์ประสาทน้ำหนักในกรณีของเครือข่ายเส้นประสาท) ซึ่งจะทำให้การแสดงรายละเอียดยากที่จะเข้าใจสำหรับผู้ใช้ ดังนั้นระบบไม่สามารถที่จะอธิบายกฎการจัดหมวดหมู่ของมันในทางที่ใช้งานง่าย นี้นำไปสู่ปัญหาต่อไปนี้ประการแรกผู้ใช้มีการพึ่งพาการจัดหมวดหมู่ที่ได้รับจากระบบ IF โดยไม่ทราบวิธีการจัดหมวดหมู่จะทำในรายละเอียด ประการที่สองในกรณีที่การเปลี่ยนแปลงความต้องการข้อมูลของผู้ใช้จากวันหนึ่งไปยังอีกหรือระบบไม่สามารถที่จะปรับตัวความต้องการข้อมูลของเขามันเป็นไปไม่ได้สำหรับเขาที่จะทำการแก้ไขที่เหมาะสมในโปรไฟล์ของเขา ดังนั้นผู้ใช้จะต้องรอจนกว่าระบบจะมีการแก้ไขรายละเอียดของเขาโดยอัตโนมัติ ขณะที่เอกสารจำนวนมากอาจจะแบ่ง

ผลลัพธ์ (ไทย) 3:

หนึ่งในโซลูชั่นของภาวะที่กลืนไม่เข้าคายไม่ออกนี้คือการใช้วิธีการปรับตัว ความคิดคือ ปัจจุบันบางประเมินเอกสารถ้าระบบและเพื่อให้มันสร้างโปรไฟล์ผู้ใช้ในตัวของมันเอง เป็นผลข้างเคียงระบบสามารถปรับปรุงรายละเอียดของผู้ใช้อย่างต่อเนื่องหากผู้ใช้เองให้ความคิดเห็นใน misclassified เอกสารวิธีการนี้ได้ถูกนำไปใช้ใน newssieve [ 2001 ] แฮนิกและตัวแทน [ PI kuropka 2001 ] ระบบ newssieve ปรับรายละเอียดของผู้ใช้โดยใช้ขั้นตอนวิธีวิวัฒนาการในขณะที่และตัวแทนการใช้เครือข่ายด . ทั้งสองวิธีมีเหมือนกันว่าเริ่มต้น
ข้อมูลเกี่ยวกับโปรไฟล์ผู้ใช้ ( ชุดฝึก ) จะแปลงเป็นรูปแบบภายใน ( เช่น เซลล์ประสาท
น้ำหนักในกรณีของเครือข่ายของเซลล์ประสาท ) ซึ่งให้รายละเอียดการเป็นตัวแทนที่เข้าใจยากสำหรับผู้ใช้ ดังนั้น ระบบจะไม่สามารถอธิบายกฎการจำแนก ในวิธีที่ง่าย นี้นำไปสู่ปัญหาดังต่อไปนี้ ประการแรก ผู้ใช้ต้องพึ่งพาหมวดหมู่ให้โดยหากระบบ โดยไม่รู้ว่าการทำในรายละเอียด ประการที่สองในกรณีของผู้ใช้ข้อมูลความต้องการเปลี่ยนแปลงจากวันอื่นหรือระบบไม่สามารถปรับข้อมูลความต้องการของเขา มันเป็นไปไม่ได้สำหรับเขาที่จะทำให้การแก้ไขที่เหมาะสมในโปรไฟล์ของเขา ดังนั้น ผู้ใช้ต้องรอจนกว่าระบบมีการแก้ไขโปรไฟล์ของเขาโดยอัตโนมัติ ในขณะที่มากของเอกสารที่อาจจะ misclassified .