問題介紹
度量學習算法通過學習生成什麼樣的距離度量來幫助解決數據間的重要關係。
傳統的CF(主要以MF,TF爲主)的方法只能學習到user-item之間的潛在關係而無法學習到user-user,item-item的Similarity。本文作者將傳統的CF與Metric Learning相結合提出CML,學習到了user-item，以及user-user,item-item的similarity。在藉助用戶隱式評分下產生了state-of-the-art的Top-k推薦結果。
簡介
這裏我們需要學習一種度量,使得給相似的pair一個較小的距離,給不相似的pair一個較大的距離。
這裏的Metric需要滿足三角不等式 (triangle inequality):
即任意兩邊和大於第三邊。也就是說如果x和y,z都相似,那麼我們的Metric肯定給dis(x,y