结合辅助信息的主动感知相似性建模
机器学习
2015-11-10 v1 机器学习
摘要
从一组对象中学习感知相似性模型是机器学习中支撑众多应用的基础任务。学习此类模型的一种常见方法是从三元组形式的相对比较中学习：对“对象 a 是否比对象 c 更相似于对象 b？”这类查询作出响应。如果在确定询问哪些查询时不加考虑，现有的相似性学习方法可能需要数量惊人的响应。在这项工作中，我们考虑从三元组中主动学习的问题——即找出哪些查询对学习最有用。与以往的三元组主动学习方法不同，我们将辅助信息纳入相似性模型，并引入一种主动学习方案，以寻找能够快速学习辅助数据相关方面与直接学习相似性分量的信息性查询。与先前的方法相比，我们表明可以用少得多的查询实现同等有效的学习。为了进行评估，我们引入了一个从人类获取的穷举三元组比较新数据集，并展示了针对不同类型辅助信息的性能提升。
引用
@article{arxiv.1511.02254,
title = {Active Perceptual Similarity Modeling with Auxiliary Information},
author = {Eric Heim and Matthew Berger and Lee Seversky and Milos Hauskrecht},
journal= {arXiv preprint arXiv:1511.02254},
year = {2015}
}