- CoSimLex: 一种在上下文中评估分级词语相似度的资源
本文旨在填补对上下文依赖词向量表示评估的空白,介绍了一个新数据集 CoSimLex,它提供了基于上下文的相似度量,不仅涵盖了单词意义上的离散差异,而且涵盖了更微妙、更连续程度的意义变化,并且覆盖了不只一个语言。
- 表达机器人无能
通过路径优化问题建立机器人表达自身无能力的模型,自动产生能够向用户传达任务失败原因的动作元素,从而提升用户与机器人的交互感知及合作意愿。
- MM测量初级编程中的项目相似性:Python 和机器人编程案例研究
本文介绍了一种测量项目相似度的通用方法,并针对入门级编程提供了具体的相似度测量方法,同时提出了一种利用三个级别抽象进行评估的方法,并使用来自三个不同编程环境的项目进行了评估。
- IJCAI基于注意力多视图图自编码器的药物相似性整合
本研究使用多视图图形自编码器模型和注意机制来整合多种药物特征,从而学习准确和可解释的药物相似性度量,实验证明模型能够显著提高预测准确性和模型容量。
- WWW基于相似性测度的通用图嵌入
本文提出了一种可将网络信息嵌入到低维向量空间中进行链接预测、分类和可视化等任务的方法,该方法意在通过对选定的点对点相似度测量分布进行显式标定的图嵌入,其可通过训练单层神经网络得到,试验表明本方法在相似度测量方面表现出色,时间和空间效率更高。
- ICML基于神经网络的多视角特征学习的概率框架及其对多对多关联的应用
提出了简单的概率多视图图嵌入(PMvGE)框架,用于多视图特征学习,结合了对多对多关联和非线性特征转换的模拟,证实 PMvGE 可学习视图间宽类相似度测量,且效果显著。
- 卷积神经网络中卷积算子的泛化
本文提出两类代理函数,用于卷积算子内积运算的通用化,第一种是正定核函数,第二种是基于距离函数定义的相似性测量。通过在 MNIST 数据集上的实验表明,基于加权 L1/L2 距离的广义 CNN 可以实现普通 CNN 的性能,证明了卷积神经网络 - 随机模型对聚类相似性的影响
本论文研究聚类的相似性度量方法,为不同的随机聚类模型推导了两个校正变体,比较了它们在合成例子,手写识别和基因表达数据中的效果,并指出随机聚类模型的选择对评估聚类方法和聚类对比排序有重大影响。
- 具有低秩不定核的概率分类器
研究提出了在低秩不定核情况下达到线性时间和内存复杂度的 Indefinite Kernel Fisher Discriminant (iKFD) 和 Probabilistic Classification Vector Machine ( - MM基于代数中性模糊度量的医学诊断中性模糊推荐系统
本文介绍了一种基于中性三段数学的推荐系统,探讨了该系统的代数运算、相似度测量和医学诊断等方面,并与其他相关算法进行了比较和分析。
- 在线约会的互惠推荐系统
通过引入相似度测量来识别在线约会网络的独特特征,从而提出一种推荐系统来匹配具有高相似度的潜在约会伙伴;该算法在中国主要在线约会网站的实际数据集中取得了显著优于先前算法的结果,并揭示了男女在寻找约会伙伴时的行为差异。
- 线性成本下的度量和非度量近似变换
本文提出了一种将大规模非度量差异矩阵转换为近似正半定核矩阵的有效而准确的技术,该技术结合了 Nystroem 逼近、潜在双中心化和特征值修正,并在几个大规模差异数据集上进行了实验。
- 分布的两阶段样本学习理论
该研究提出了一种简单有效的方法,将概率分布嵌入再应用岭回归 算法来解决分布回归问题,同时证明该方法的稳定性和收敛速度,回答了 15 年来未解决的开放性问题,并涵盖了一系列相关的概率分布问题。
- 时间序列数据的表示方法和距离度量的实验比较
本文通过广泛的实验研究,比较了不同的时间序列数据表示法和相似度度量方法的有效性,对现有的成果进行了统一的验证,并揭示了文献中某些主张可能过于乐观的情况。