(论文阅读笔记1)Collaborative Metric Learning(二)（WWW2017）

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中的对更加紧密，而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：喜欢相同item的users，同一user喜欢的一些items。换句话说，通过学习度量可以获得已知的正例关系，这个关系不仅是user-item之间，而且包含user-user和item-item，而这是我们不能直接通过观察得到的。

3.1 Model Formulation

    

总结

以上是生活随笔为你收集整理的(论文阅读笔记1)Collaborative Metric Learning(二)（WWW2017）的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。