度量学习与相似学习

Question

我很难找到关于相似性学习的全面解释。从我收集到的信息来看，它和度量学习是一样的，只不过它试图学习一个相似函数，而不是一个度量。

有谁能澄清他们之间的区别吗？任何链接或来源将不胜感激。

提前谢谢。

Answer 1

对于大多数人(所有人？)目的，度量学习是相似性学习的一个子集。注意，在常用的用法中，“相似”大致是“距离”的反义词:它们之间距离小的事物有很高的相似性。在实践中，这通常是一个语义选择的问题--一个连续的转换通常可以使这两个同构。

度量需要遵循一定的规则；相似函数有更宽松的标准。例如，将一部完整长度(比如2小时)的电影“M”与一部20分钟的动画还原A进行比较。度量函数f要求f(M, A) = f(A, M)。然而，如果你认为这部电影的丰富性意味着它不应该把这幅漫画视为如此亲密的亲属，你可能会输入一对训练三倍。

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

另一个例子是集合相似性，用大小和成员来衡量，但采用非欧几里得的方式。

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遭受了很大的惩罚，因为他们没有什么共同之处，只有固定的大小。由于有一半的共同元素，b与每个元素都很接近。这会让度量函数头疼，因为它严重违反了subaddition，即三角形不等式。

这有助于消除分歧吗？