(论文阅读笔记1)Collaborative Metric Learning(一)(WWW2017)
来源:互联网 发布:机房网络搭建 编辑:程序博客网 时间:2024/04/28 15:39
一、摘要
度量学习算法产生的距离度量捕获数据之间的重要关系。这里,我们将度量学习和协同过滤联系起来,提出了协同度量学习(CML),它可以学习出一个共同的度量空间来编码用户偏好和user-user 和 item-item的相似度。
二、背景
2.1 Metric Learning
令
相似对记为:
非相似对记为:
最普通的度量学习方法采用的是马氏距离度量:
其中
还有其他一些方法,比如非线性转换函数,比如核函数和神经网络,可以提高度量的准确性。
2.2 Metric Learning for kNN
上边的全局优化本质上式试图学习一种距离:它将相似的放在一起,将不相似的尽量分开。另一方面,如果学习到的度量被用作knn分类,只要保证目标与k个近邻共享一个类标就足够了。
具体来说,给定一个输入
一种为人知模型是LMNN,它使用2个损失函数来表达上述目标函数。
1. LMNN定义了pull loss:
其中,
2. push loss:
其中,如果
2.3 Collaborative Filtering
这里重点关注隐性反馈的CF,传统的CF算法是基于用户相似计算出的。MF是一种流行的CF算法,普通的MF模型设计为用户的显性反馈,它是通过将users 和items映射到潜在因子空间上,那么user-item的关系可以通过潜在因子的乘积获得。
其中,
隐性反馈(Implicit feedback)和贝叶斯个性(Bayesian personalized ranking)化排序略过,感兴趣的可以自己查询资料。
- (论文阅读笔记1)Collaborative Metric Learning(一)(WWW2017)
- (论文阅读笔记1)Collaborative Metric Learning(二)(WWW2017)
- 《论文阅读笔记》Deep Metric Learning via Lifted Structured Feature Embedding
- 论文阅读笔记(一)
- 论文笔记 | Metric Learning with adaptive density discrimination
- 《Collaborative Deep Learning for Recommender Systems》阅读笔记
- Machine Learning & Deep Learning 论文阅读笔记
- 度量学习 (Metric Learning)(一)
- spark论文阅读笔记(一)
- Deep&Wide Learning论文阅读笔记
- YOLO9000论文阅读笔记(一)
- 论文笔记:MatchNet: Unifying Feature and Metric Learning for Patch-Based Matching
- [深度学习论文笔记][CVPR 16]Deep Metric Learning via Lifted Structured Feature Embedding
- 论文阅读(一)
- 论文阅读笔记1
- 论文阅读笔记---1
- 论文阅读笔记1
- 【笔记】HMM模型论文阅读笔记(一)
- js function定义函数的方法
- Apache2.4+PHP5.6.31+MySQL5.1/SQLServer2008环境搭建 Win10 64位
- 读书笔记:c语言深度剖析之关键字
- 0039_Combination Sum
- Java NIO直接缓冲区与非直接缓冲区区别
- (论文阅读笔记1)Collaborative Metric Learning(一)(WWW2017)
- Android 系统7.0上 屏幕背光流程分析
- 文件内容查阅
- atexit函数
- 如何自定义RecyclerView的点击事件和绘制分割线-高级UI
- 51nod Clarke and number 规律
- 翻转动画效果
- Open Authorization协议 讲解
- Oracle数据库学习笔记之PLSQL