- 关于球体 T - 球形模糊（G-TSF）集的研究及其在 G-TSF 多准则群体决策中的应用
本文提出了球形模糊扁球体 (G-TSFSs) 的概念，它作为模糊信息的创新扩展，通过使用球形 / 球限界来表示成员关系、不确定性和非成员度，更准确地描绘了模糊、不明确和不精确的信息，为决策过程提供了更全面的评估对象的能力。通过引入基于 G- - 维果茨基距离：用于基准任务相似性度量
评估在现代自然语言处理中起着重要作用。该论文介绍了一种理论工具和一种实际算法，用于计算基准任务之间的相似性，称为 “Vygotsky 距离”。该相似性度量的核心思想是基于给定任务上 “学生” 的相对表现，而不是任务本身的特性。在维格斯基距离 - 质量确实重要：对网络挖掘平行语料库的质量和实用性的详细研究
我们对两种低资源语言（英语 - 僧伽罗语、英语 - 泰米尔语和僧伽罗语 - 泰米尔语）的网络挖掘语料库的质量进行了详细分析。我们根据相似度度量对每个语料库进行了排序，并对排名的语料库的不同部分进行了内在和外在评估。我们表明，不同部分的网络挖 - 基于最近邻搜索的地球移动距离高效近似计算
使用最近邻搜索来逼近地球移动距离（EMD），以实现高准确性、低时间复杂度和高内存效率；通过 GPU 的向量化进一步加快速度，比现有的近似 EMD 方法在图像分类和检索任务中达到 44 倍至 135 倍的速度优势，同时实现了更好的准确性、加速 - 基于投影技术和余弦相似度测量的直觉模糊决策新方法
基于投影技术和余弦相似度测量的直觉模糊集相似度测量方法首次被提出，开发了一种基于该方法的多属性决策和医学诊断方法，与现有方法相比具有更高的准确性，在医学诊断领域具有快速诊断疾病的能力，可应用于直觉模糊集和区间价值直觉模糊集。
- 利用人工智能技术将研究与可持续发展目标进行映射：案例研究
本研究利用 82000 多篇澳大利亚大学的出版物作为案例研究，通过相似度度量与 OpenAI GPT 模型将这些出版物与可持续发展目标（SDGs）进行映射，结果显示采用相似度度量的模型能够补充 GPT 模型进行 SDG 分类，此外，深度学习 - 关于编程语言模型训练和评估的语言选择影响
在这项研究中，我们通过使用基于 CodeBERT 的模型分析编程语言的表示来评估编程语言的相似性，发现 C++、Python 和 Java 等语言的标记表示彼此接近，而 Mathematica 和 R 等语言的标记表示存在明显的差异。我们的 - 图嵌入神经网络的图信号分析
本文针对以往工作的不足，引入了一种有意义的图信号相似度度量，提出了一种称为图信号切割距离的相似度度量，证明了 MPNN 可以在图信号度量空间中满足收敛性并得出了二次元情况下相似度度量的性质，进而提出了 MPNN 的泛化界和稳定性。
- ContraSim -- 基于对比学习的相似度衡量
本研究提出了一种基于对比学习的相似度度量方法 ContraSim，相较于传统的相似度度量方法，应用于语言和视觉模型的多语言以及图片 - 文字配对测试中都表现出更高的准确率。
- CVPR可归因的视觉相似度学习
本文提出 AVSL 框架，用于更精确和可解释地衡量图像之间的相似度，通过基于人类语义相似性认知构建通用相似性学习范式，使用图形以及自下而上的相似性构建和自上而下的相似性推断框架，在语义层次一致性的基础上推断相似性，取得了显著的改进，并验证了 - 提高空间图神经网络欺诈检测的聚合和加速训练方法
本文提出三个方法以解决 Residual Layered CARE-GNN 的三个问题：采用余弦距离进行相似度度量，结合邻节点和批次规范化的相似度量模块，以及中间信息补充。在 Yelp 和 Amazon 数据集上，采用这三种方法分别获得了 - Drop-DTW: 剔除异常值的同时对齐序列间的公共信号
本文中，我们提出了一种新颖的 Drop-DTW 算法，用于解决包含异常点情况下的序列对齐问题，并将其成功应用于涉及到无监督模型训练和跨模态媒体匹配的多个应用场景中，并取得了最先进的实验结果。
- 高斯边界框和概率交并比在目标检测中的应用
本文探索一种使用高斯分布对物体区域进行模糊表示的方法，并提出了一种基于 Hellinger 距离的相似性度量方法，它可以被视为概率交集（ProbIoU），该方法在公开数据集中更接近于带注释的分割掩模。实验表明，基于 ProbIoU 的损失函 - 神经网络视角下的输入相似度
本研究介绍了一个多模式图像配准任务，并使用训练有素的神经网络来实现自动去噪，通过在相似输入示例的标签上进行的噪声平均效应来解释这一现象，并提出了相似度度量的定义和估计方法以进行新型的神经网络统计分析。
- WWW高效查询相关聚类
本文主要研究了查询效率，使用类似于计算距离的相似度度量，通过提出新的算法实现了更加高效的相关聚类，能够在给定预算内使用不同的查询方式获得与最优解相差不大的结果，并且针对算法进行了实验研究。
- ICCV基于高阶正则化器的深度嵌入度量学习 (HORDE)
通过分布感知的正则化方法 [HORDE] 解决了特征散乱的问题，保证了深度特征在特征空间中的局部性，并在四个数据集上取得了最佳结果。
- NIPS模糊集合上的核函数：概述
该论文介绍了模糊集上的核的概念和其在相似度度量中的应用，提出了交叉积、交集、非单例和基于距离的模糊核等不同类型的核，并探讨了在包含本体和认知解释的不确定数据上应用这些核的机器学习和数据科学任务。
- Wasserstein Weisfeiler-Lehman 图核
本文介绍了一种基于 Wasserstein 距离和 Weisfeiler-Lehman embedding 的新型图卷积核方法，以图像高维对象的方式比较图结构之间的相似性并在多个图分类任务上提高了预测性能。
- ICLR不要满足于平均水平，争取最大化：模糊集和最大池化词向量
本文提出了一种基于模糊词袋 (FBoW) 表示的文本相似度计算方法，通过使用词向量相似度进行加权处理，动态提取和最大池化好的特征，它是一种完全无监督和非参数化的相似度计算方法，不但比当前基线方法优秀，而且在标准 STS 基准测试中，与直接优 - MM急性卒中监测中的 CT 图像配准
基于图像配准技术的卒中病人 CT 扫描中的缺血区暂时评估，引入新的相似性指标，快捷、便捷、易于操作。