关键词fused gromov-wasserstein distance
搜索结果 - 2
- 利用自注意矩阵提高词移距离
本文提出一种基于 BERT 的自注意力矩阵和融合 Gromov-Wasserstein 距离的方法,用于计算两个句子之间的语义相似度,实验证明该方法可以在语义相似性和改进 WMD 方面表现优异。
- 结构化对象的融合 Gromov-Wasserstein 距离:理论基础与数学性质
本文提出了一种融合了特征和结构信息的新型距离度量,即融合 Gromov-Wasserstein 距离,它的数学框架被证明具有度量和插值属性,并提供收敛于有限样本的浓度结果。此外,我们还展示和解释了该方法在涉及结构化对象的各种情景中的应用。