度量学习与相似性学习

Question

我很难找到关于相似性学习的任何全面的解释。从我收集的内容来看，它与度量学习相同，只是它试图学习相似性函数而不是度量。

任何人都可以澄清它们之间的区别吗？任何链接或来源将不胜感激。

提前致谢。

Answer 1

对于大多数（所有？）目的，度量学习是相似性学习的一个子集。注意，在通常使用中，“相似”大致是“距离”的倒数：它们之间具有低距离的事物具有高相似性。在实践中，这通常是语义选择的问题 - 连续变换通常可以使两个同构。

度量标准需要遵循某些规则;相似度函数具有较宽松的标准。例如，比较全长（比方说，2小时）电影M和20分钟动画缩小A。度量函数f需要f(M, A) = f(A, M)。但是，如果您认为电影的丰富性意味着它不应该将卡通视为如此近亲，那么您可能会输入这对训练三元组

(A, M, 0.90)
(M, A, 0.15)

另一个例子是通过大小和成员资格测量的集合相似性，但是以非欧几里德的方式。

a = {1, 2, 3, 4}
b = {3, 4, 5, 6}
c = {5, 6, 7, 8}

相似性训练将允许

(a, b, 2)
(b, c, 2)
(a, c, 10)

在这个“世界”中，a和c遭受了巨大的惩罚，因为他们没有任何共同之处，只有规模。由于共有一半的元素，b与它们各自接近。这将使度量函数成为一个令人头疼的问题，因为它严重违反了三角形不等式subaddition。

这有助于消除差异吗？