{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部分”：[[2024,5,29]]，“日期-时间”：“2024-05-29T02:18:49Z”，“时间戳”：1716949129805}，“发布者位置”：“美国纽约州纽约市”，“引用-计数”：12，“发布商”：“ACM”，“内容-域”：[“dl.ACM.org”]，“交叉标记-严格离子“：true}，”短容器时间“：[]，“published-print”：{“date-parts”：[[2009,6,14]]}，“DOI”：“10.1145\/1553374.1553439”，“type”：“proceedings-article”，“created”：{“date-ports”：[[2009,6，16]]，“date-time”：“2009-06-16T13:34:36Z”，“timestamp”：1245159276000}，《update-policy》：“http://\/dx.DOI.org\/10.1145\/crossmark-policy”，“”source“：”Crossref“，”is-referenced-by-count“：37，”title“：[“基本分类器的增强产品”]，“前缀”：“10.1145”，“作者”：[{“给定”：“Bal\u00e1zs”，“家族”：“K\u00e 9gl”，”sequence“：”first“，”affiliation“：[{name“：”法国奥赛巴黎大学”}]}，{given“：”R\u00f3bert“，”family“：”Busa-Fekete“，”segment“：”additional“，”filiation：“法国奥赛帕里斯苏德大学和匈牙利塞格德塞格德大学”}]}]，“成员”：“320”，“在线发布”：{“日期-部件”：[[2009,6,14]]}，“参考”：[{“密钥”：“e_1_3_2_1_1_1”，“卷时间”：“AAAI人工智能会议记录（第709-716页）”，“作者”：“科恩·W”，“年份”：“1996”，“非结构化”：“科恩·W。（1996）.学习具有集值特征的树和规则。AAAI人工智能会议记录（第709-716页）。Cohen，W.（1996）。学习具有集值特征的树和规则。AAAI人工智能会议记录（第709-716页）。}，{“key”：“e_1_3_2_1_2_1”，“volume-title”：“AAAI人工智能会议论文集（第335-342页）”，“author”：“Cohen W.”，“year”：“1999”，“unstructured”：“科恩，W.，&辛格，Y.（1999）。一个简单、快速、有效的规则学习者。《AAAI人造智能会议论文录》 . Cohen，W.和Singer，Y.（1999）。一个简单、快速、有效的规则学习者。AAAI人工智能会议记录（第335-342页）。“｝，｛”key“：”e_1_3_2_3_1“，”doi由“：”publisher“断言，”doi“：”10.1006\/jcss.1997.1504“｝，｛”key“：”e_1_3_2_4_1“，”doi由“：”publisher“断言，”doi“：”10.1109\/5.726791“｝，｛”key“：”e_1_3_2_5_1“，”卷标题“：”协作过滤：机器学习视角。硕士论文“，”作者“：”Marlin B.“，”年份“：”2004“，”非结构化“：”Marlin，B.（2004）。协作过滤：机器学习视角。多伦多大学硕士论文。Marlin，B.（2004）。协作过滤：机器学习视角。多伦多大学硕士论文。“}，{”key“：”e_1_3_2_1_6_1“，”volume-title“：”作为梯度下降的推进算法。神经信息处理系统的进展（第512-518页）“，”author“：”Mason L.“，“year”：“2000”，“unstructured”：“Mason，L.，Bartlett，P.，Baxter，J.，&Frean，M.（2000）.作为梯度下降的推进算法。神经信息处理系统进展（第512-518页）。Mason，L.、Bartlett，P.、Baxter，J.和Frean，M.（2000）。作为梯度下降的推进算法。神经信息处理系统进展（第512-518页）。“}，{”key“：”e_1_3_2_1_7_1“，”volume-title“：”国际人工智能与统计会议（第412--419页）“，”author“：”Salakhutdinov R.“，“年份”：“2007”，“非结构化”：“Salakhuttinov，R.，&Hinton，G.（2007）.通过保持类邻域结构来学习非线性嵌入。国际人工智能和统计会议（第412-419页）。Salakhutdinov，R.和Hinton，G.（2007年）。通过保持类邻域结构学习非线性嵌入。国际人工智能和统计会议（第412-419页）。“}，{”key“：”e_1_3_2_1_8_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1214\/aos\/1024691352”}，“key”：“e_1_m2_1_9_1”，“doi-assert-by”：“publisher”，”doi“：”10.1023\/A:1007614523901“}”，{6）“，”作者“：”斯雷布罗·N“，”年份”：“2005年”，“非结构化”：“Srebro，N.，Rennie，J.D.M.，&Jaakkola，T.（2005）。最大边际矩阵分解。神经信息处理系统进展（第1329-1336页）。麻省理工学院出版社。Srebro，N.、Rennie，J.D.M.和Jaakkola，T.（2005）。最大边际矩阵分解。神经信息处理系统进展（第1329-1336页）。麻省理工学院出版社。“}，{”key“：”e_1_3_2_11_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1023\/B:VISI.000013087.49260.fb“}”，{“key”：“e_1_ 3_2_12_1”，“volume-title”：“数据挖掘：实用机器学习工具和技术。Morgan Kaufmann”，“author”：“Witten I.”，“year”：“2005”，“unstructured”：“Witten，I.，&Frank，e.（2005）数据挖掘：实用的机器学习工具和技术。摩根·考夫曼。Witten，I.和Frank，E.（2005年）。数据挖掘：实用的机器学习工具和技术。摩根·考夫曼。“}]，”event“：{”name“：”ICML'09:第26届国际机器学习年会与2007年国际归纳逻辑编程会议联合举行“，”location“：”Montreal Quebec Canada“，”缩写词“：”IMCL'09“，”supposer“：[”NSF“，”Microsoft Research Microsoft Research'，”MITACS“]}“container-title”：[”第26届国际机器学习年会论文集“]，“original-title”：[]，“link”：[{“URL”：“https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/1553374.1553439”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2023,12]，“date-time”：”2023-01-12T23:05:53Z“，”timestamp”：1673564753000｝，“score”：1，“resource”：｛“primary”：｛“URL”：“https:\/\/dl.acm.org/doi\/10.1145\/15553374.1553439”｝｝，“subtitle”：[]，“short title”：[]，“issued”：｛“date parts”：[[2009,6,14]}，“references count”：12，“alternative id”：[“10.1145\/15553374.1553439”，“10.1145\/155533344”]，“URL”：“http:\/\/dx.doi.doi.org/10.1145\/15533374.1553439“，”关系“：｛｝，”subject“：[]，”published“：{“date-parts”：[[2009,6,14]]}，”assertion“：[{“value”：“2009-06-14”，“order”：2，“name”：“published”，“label”：“published”，“group”：{”name“：”publication_history“，”label“：”publication history“}}}]}