Mar, 2024
基于变分信息瓶颈的距离度量学习模型
A Distance Metric Learning Model Based On Variational Information Bottleneck
YaoDan Zhang, Zidong Wang, Ru Jia, Ru Li
TL;DR本文首次将变分信息瓶颈与度量学习模型相结合,提出了一种新的度量学习模型 VIB-DML(Variational Information Bottleneck Distance Metric Learning),用于评分预测,通过解耦潜在空间特征向量,限制潜在空间特征向量的互信息以提高模型的鲁棒性并满足欧几里得距离的假设。实验证明,VIB-DML 具有出色的泛化能力,与通用度量学习模型 MetricF 相比,预测误差降低了 7.29%。最后,本文通过实验证明了 VIBDML 的强鲁棒性。