元组相似度学习的主动序数查询

AAAIOct, 2019

Active Ordinal Querying for Tuplewise Similarity Learning

Gregory Canal, Stefano Fenu, Christopher Rozell

TL;DR该论文介绍了一个通用的多元组查询方法，称为 InfoTuple，通过相互信息最大化采用一种新颖的方法，以实现多元组查询的自适应选择。在合成测试和新的人类响应数据集上，该方法在各种元组大小的性能均优于最先进的自适应三元组选择方法，并在经验上证明了通过查询更大的元组而不是三元组实现的查询效率和一致性的重大收益。

Abstract

Many machine learning tasks such as clustering, classification, and dataset search benefit from embedding data points in a space where distances reflect notions of relative similarity as perceived by humans. A co

machine learning embedding tuple queries adaptivity efficiency

发现论文，激发创造

使用辅助信息的主动感知相似度建模

本研究提出一种新的主动学习算法，该算法从外部数据中找出最具信息量的三元组比较方式；实验表明该方法需要远少于传统方法的三元组比较数量即可达到同等效果。

Nov, 2015

相对相似性比较的成本效益型 HIT

通过研究三元组采样和 crowdsourcing UI 的影响，提出了一种成本效益更好的人工智能任务方法，以帮助机器学习和计算机视觉领域中的嵌入问题。

Apr, 2014

嘈杂配对比较下的主动嵌入搜索

利用主动学习策略来最大化信息收集，在低维空间中通过成对比较预测用户偏好向量的两个新策略，验证表明其在性能方面优于现有的选择方法和随机查询。

May, 2019

基于查询的实例区分网络用于关系三元组抽取

我们提出了一种基于查询的方法，用于构建关系三元组的实例级表示，然后通过对比学习，实现了关系三元组实例级表示的学习和全局信息连接，最终在五个广泛使用的基准测试中达到了最先进的水平。

Nov, 2022

来自众包三元组比较的多视角表示学习

本研究提出了一种端到端归纳深度学习框架，解决了多视图表示学习问题，并在众包平台上收集了两个数据集以实验比较我们的方法与传统基线方法的性能。

Feb, 2023

自适应学习群体核

该论文介绍了一个算法，可以根据众包数据独立学习 n 个对象之间的相似矩阵，其中算法采样同类三元组的相对相似度数据，并通过支持向量机（SVMs）证明，该算法生成了准确捕捉图像特征的众包核特征。

May, 2011

序数嵌入的一些理论

针对基于三元或四元距离比较嵌入点的问题，以及只提供局部比较的变体问题，本文在最近关于序数嵌入的研究基础上，得出了大样本一致性结果和收敛速率，并受到其他相关研究的启发，对需要实现一致性所需的比较次数进行了限制。

Jan, 2015

基于比较的学习的提升算法

本文提出了 TripletBoost, 一种在比较基础上学习分类器的方法，可适用于任何度量空间数据并仅使用被动获得和带噪声的三组信息处理大规模问题，同时具备良好的理论推广性能和抗噪能力。

Oct, 2018

利用语义相似性进行 Ad Hoc 表格检索

地址 “临时表检索” 的问题，提出了一种通过语义匹配查询和表格的方法，通过在多个语义空间中表示查询和表格，并采用各种相似性度量将这些特征用于监督式学习模型中，针对维基百科表格集合进行了实验，并取得了显著和实质性的改进。

Feb, 2018

深度度量学习的弱监督自适应三元组损失函数

该研究提出一种弱监督自适应三元组损失方法来解决视觉相似性搜索中的距离度量学习问题，通过使用弱标记的产品描述数据来隐式地确定细粒度语义类别，从而提高了学习图像嵌入模型的泛化能力，并在 Amazon 时尚检索基准和 DeepFashion 店内检索数据集上实现了优于当前最先进模型的性能。

Sep, 2019