Question

我很难找到有关相似性学习的全面解释。根据我的收集，它与度量学习相同，不同之处在于它尝试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。

谢谢。

Answer 1

对于大多数（全部）目的，度量学习是相似性学习的子集。请注意，在通常情况下，“相似”大致是“距离”的反面：它们之间的距离较小的事物具有较高的相似性。实际上，这通常是语义选择的问题-连续转换通常可以使这两个同构。

指标需要遵循某些规则；相似度函数的标准较宽松。例如，将一部全长（例如2小时）的电影M与20分钟的动画缩影A进行比较。指标函数f要求f(M, A) = f(A, M)。但是，如果您认为电影的丰富性意味着不应将动画片视为如此亲密的亲戚，则可以输入一对训练三重奏

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

另一个示例是具有集合相似性的集合，该集合相似性是通过大小和成员资格来衡量的，但以非欧几里得方式。

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受重罚，因为它们除了设定大小外没有其他共同之处。 b与每个元素都很接近，因为它们共有一半的元素。由于度量函数严重违反了三角不等式subaddition，这将使度量函数感到头疼。

这有助于消除差异吗？