大意如此：一些专业词汇可能翻译的略有模糊.
相较于其他两种算法,取幂算法具有与它相关联的θ速率.此速率需要适当地设定.在实践中,我们观察到的取幂算法的优点在于对速率值的敏感.特别是,我们会成倍地改变θ的数值,研究如何算法是如何实现的.请注意,这将明显地改变的数据的取值范围,但似乎会显著影响取幂算法的过程.本实验的结果在图4中所示.该算法的效能提高,同时劣化率系数的也有所增加.
我们提出了三个算法来学习隐反馈的多样性.在本节中,我们研究这三种算法的效能是否有区别.剪切DP（算法3）提出,主要是出于theo-retical的考虑.为了比较这三种算法,我们遵循6.2节中相同的设定.该指数计算的算法,我们考虑最好用以前的参数.本实验的结果示于图5.可以看出,在实验RCV-1中,clipped 和 non-clipped al-gorithms并没有太大差别.在20NG的情况下,三种算法几乎没有任何区别.尽管有限制权重的理论的要求,但在实践中似乎并没有使这两个数据集产生多大的差别.