Collaborative Metric Learning——paper 笔记

最新推荐文章于 2024-07-16 13:40:36 发布
原创 最新推荐文章于 2024-07-16 13:40:36 发布 · 1.4k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文探讨了协同过滤的基本原理，结合三角不等式提出了一种新的度量学习方法。通过大型边缘最近邻损失函数，结合隐式反馈，并采用加权排名损失来优化物品推荐的排序。此外，该方法考虑了物品特征并学习转换函数，同时对协方差矩阵进行正则化。尽管缺乏显著创新，但该文综合了多篇论文的思想。

 

  • Collaborative Metric Learning

协同过滤（回顾和复习了CF，基于模型的CF是用矩阵分解实现的，loss为评分矩阵和新构建的评分矩阵的平方差，用梯度下降进行优化学习）。这里是主要提出了三角不等式（两对pairwise节点的距离之和大于这两个节点的直接距离，隐含：如果x相似与y和z，那么y和z本身也是相似的，相似传递性），在矩阵分解的基础上，使用pairwise格式的训练集。

Large Margin Nearest Neighbor

loss=loss_pull+loss_push

Implicit Feedback: loss中加c_ij，对于显示反馈和隐式反馈用不同weight控制。

Bayesian Personalized Ranking: pairwise方式训练（like j better than k）

loss：-log( sigmiod(u_i*v_j-u_i*v_k))+正则项

本文提出的方式

只是用了l_push，没有使用 l_p

最低0.47元/天 解锁文章
Collaborative Metric Learning(CML)论文总结
Marcus-Bao的个人主页
04-20 1008
论文 问题介绍 度量学习算法通过学习生成什么样的距离度量来帮助解决数据间的重要关系。 传统的CF(主要以MF,TF为主)的方法只能学习到user-item之间的潜在关系而无法学习到user-user,item-item的Similarity。本文作者将传统的CF与Metric Learning相结合提出CML,学习到了user-item，以及user-user,item-item的similari...
论文笔记_SLAM_Visual SLAM and Structure from Motion in Dynamic Environments A Survey
惊鸿一博
02-22 2818
论文介绍 出处：ACM Computing Surveys (2区) 年份：2018 作者：MUHAMAD RISQI U. SAPUTRA, ANDREW MARKHAM, and NIKI TRIGONI, Department of Computer Science, University of Oxford 大纲： 如何执行重建(鲁棒的视觉) 如何分割和跟踪动态对象 如何实现关...
paper学习笔记 - PLE
xuanshuang的博客
08-29 1158
PLE学习
(论文阅读笔记1)Collaborative Metric Learning(一)（WWW2017）
chunyun0716的专栏
07-31 2994
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χ={x1,x2,…,xn}\chi = \{x_1, x_2,\dots, x_n\}是空间Rm\mathb
8、Collaborative Metric Learning
weixin_33980459的博客
10-19 275
一、摘要： 文章的核心思想：是如何把Metric learning 和 CF结合起来从而达到更好的推荐效果。 提出了CML（Collaborative Metric Learning），其学习一个联合度量空间，不仅编码用户的偏好，而且编码用户-用户和项目-项目的相似性。 假设用户和物品可以放到低维空间，并且可以使用满足不等式性质的欧式距离来度量他们之间的距离。 将ML和CF结合的原因...
Collaborative Metric Learning(www 2017)
qq_42018521的博客
04-30 1162
传统基于MF的模型，将特征向量的点积作为预测结果，这存在一个很大的问题，即dot product 不满足三角不等式），这会导致学到的特征向量次优（难以捕捉用户细粒度的偏好）。本文提出了一种Collaborative+Metric Learning模型，不仅能捕捉用户细粒度偏好，还可以捕捉用户-用户/物品-物品相似性。
CVPR 2021最全论文开放下载！附pdf下载链接！
中科院AI算法工程师的博客
06-18 1万+
CVPR 2021最全论文开放，附所有pdf下载链接！
2020_WWW_Few-Shot Learning for New User Recommendation in Location-based Social Networks
weixin_46645827的博客
03-04 1494
[论文阅读笔记]2020_WWW_Few-Shot Learning for New User Recommendation in Location-based Social Networks 论文下载地址： https://doi.org/10.1145/3366423.3379994 发表期刊：WWW Publish time: 2020 作者及单位: Ruirui Li UCLA rrli@cs.ucla.edu Xian Wu Univeristy of Notre Dame xwu9@nd.ed
2021_WSDM_Pre-Training Graph Neural Networks for Cold-Start Users and Items Representation
weixin_46645827的博客
02-02 2381
[论文阅读笔记]2021_WSDM_Pre-Training Graph Neural Networks for Cold-Start Users andItems Representation 论文下载地址： https://doi.org/10.1145/3437963.3441738 发表期刊：WSDM Publish time: 2021 作者及单位: Bowen Hao Renmin University of China jeremyhao@ruc.edu.cn Jing Zhang∗ Ren
Paper笔记
weixin_30832983的博客
10-30 124
1.关于作图： 分辨率问题： a.word插入图片会损失分辨率，直接复制粘贴不会 b.matlab画图的 导出设置中可以直接设置分辨率和图像大小 转载于:https://www.cnblogs.com/duoduo--up/p/7755214.html...
Distance Metric Learning with Application to Clustering with Side-Information
03-06
Distance Metric Learning with Application to Clustering with Side-Information (by Eric P. Xing)，2003年发表的NIPS论文，度量学习的经典开山之作。
推荐项目：Paper——简洁高效的笔记应用
gitblog_00065的博客
06-03 489
推荐项目：Paper——简洁高效的笔记应用 项目介绍 Paper 是一款由 Jetpack Compose 打造的极简主义笔记应用程序。它采用先进的 MVVM架构，结合了诸如 DataStore, Coroutines, ViewModel, Flow-State, Room, Navigation-Compose, Coil, 和 koin 等组件，旨在提供流畅且高效记事体验。Paper 已经...
大师教你写Paper 笔记
bestlinjialyin的专栏
07-31 1222
大师教你写Paper notes http://v.youku.com/v_show/id_XNjc0NDcxNDAw.html http://research.microsoft.com/en-us/people/simonpj/ # Write earlier. 做研究的顺序是，有了 idea—>writing paper—> doing research/experi
Collaborative Translational Metric Learning论文小结(附核心pytorch代码)
Marcus-Bao的个人主页
09-12 599
前言 在之前得专栏文章中，我们介绍过一种将度量学习引入推荐系统的方法Collaborative Metric Learning(CML)论文总结。其主要的motivation就是说传统的基于点积的矩阵分解方法不满足三角不等式，因此不是一个好的度量方式，会存在一些问题。对此，CML的解决思路是将用户和商品投影到欧几里得空间，然后用欧几里得距离来度量用户对不同商品的偏好。 那么CML就是完美的吗？显然是不可能的。 CML的出现后，涌现了一系列的基于度量学习的推荐算法，大部分都是对原CML的改进和提高，我会慢慢
(论文阅读笔记1)Collaborative Metric Learning(二)（WWW2017）
chunyun0716的专栏
08-20 1879
三、协同度量学习    这一部分，我们讨论CML作为一种更自然的方法获得关联关系。CML的思路是这样的：我们在已知正例关系的user-item集合S\mathcal{S}上建立一个隐性反馈模型，并且学习user-item的距离作为他们的关系。学习到的距离使得S\mathcal{S}中的对更加紧密，而S\mathcal{S}之外的user-item对相对的远离。这个处理过程，源于三角不等性。也可以聚类
如何理解深度学习中的 metric learning（度量学习）？
最新发布
weixin_51678401的博客
07-16 2331
Metric learning（度量学习）是机器学习和深度学习中的一个领域，其目标是通过学习一个映射函数，将数据点映射到一个新的空间中，使得在该空间中，相似的数据点距离较近，而不相似的数据点距离较远。度量学习广泛应用于图像检索、人脸识别、语音识别等任务。
度量学习 (Metric Learning)（一）
热门推荐
Nehemiah_Li的专栏
03-12 4万+
度量学习（Metric Learning） 度量（Metric）的定义  在数学中，一个度量（或距离函数）是一个定义集合中元素之间距离的函数。一个具有度量的集合被称为度量空间。 1 为什么要用度量学习？ 很多的算法越来越依赖于在输入空间给定的好的度量。例如K-means、K近邻方法、SVM等算法需要给定好的度量来反映数据间存在的一些重要关系。这一问题在无监督的方法（如聚类）中尤为明显。举一
Metric Learning——度量学习
敲代码的quant的博客
04-10 1万+
看到一篇知乎大神Flood Sung发表在CVPR2018上的paper，介绍了一种基于metric的模式识别方法，创新之处在于它不同于常用的matric-based方法，使用人为定义的度量，像简单的欧式距离、马氏距离，而是采用了用神经网络去训练这个度量，模型虽然简单，但是效果却很显著。1、度量(Metric)先说一下关于度量这个概念：在数学中，一个度量（或距离函数）是一个定义集合中元素之间距离的...
COCOACollaborative Convolutional Metric Learning
04-04
COCOA (Collaborative Convolutional Metric Learning) is a deep learning method for metric learning that aims to learn a similarity metric between pairs of images. It is designed for image retrieval ...
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值