我很难找到任何关于相似性学习的全面解释。根据我收集到的信息，它与度量学习相同，只是它尝试学习相似性函数而不是度量。
任何人都可以澄清它们之间的区别吗？ 任何链接或来源将不胜感激。
提前致谢。
【问题讨论】：
标签： machine-learning artificial-intelligence metrics similarity ranking
对于大多数（所有？）目的，度量学习是相似性学习的一个子集。请注意，在常用的情况下，“相似”大致是“距离”的倒数：它们之间距离较小的事物具有较高的相似性。在实践中，这通常是语义选择的问题——连续转换通常可以使两者同构。
指标需要遵循一定的规则；相似函数有更宽松的标准。例如，将完整长度（例如 2 小时）电影 M 与 20 分钟动画缩减 A 进行比较。度量函数f 需要f(M, A) = f(A, M)。但是，如果您认为电影的丰富性意味着它不应该将卡通视为如此亲密的亲属，您可以输入这对训练三元组
(A, M, 0.90)
(M, A, 0.15)
另一个例子是集合相似度，通过大小和成员来衡量，但以非欧几里德方式。
a = {1, 2, 3, 4}
b = {3, 4, 5, 6}
c = {5, 6, 7, 8}
相似性训练将允许
(a, b, 2)
(b, c, 2)
(a, c, 10)
在这个“世界”中，a 和 c 受到很大的惩罚，因为它们除了集合大小之外没有任何共同点。 b 与它们中的每一个都很接近，因为它们有一半是共同的。这会给度量函数带来麻烦，因为它严重违反了三角不等式subaddition。
这有助于消除差异吗？
【讨论】：