- Collaborative Metric Learning
协同过滤(回顾和复习了CF,基于模型的CF是用矩阵分解实现的,loss为评分矩阵和新构建的评分矩阵的平方差,用梯度下降进行优化学习)。这里是主要提出了三角不等式(两对pairwise节点的距离之和大于这两个节点的直接距离,隐含:如果x相似与y和z,那么y和z本身也是相似的,相似传递性),在矩阵分解的基础上,使用pairwise格式的训练集。
Large Margin Nearest Neighbor
loss=loss_pull+loss_push
Implicit Feedback: loss中加c_ij,对于显示反馈和隐式反馈用不同weight控制。
Bayesian Personalized Ranking: pairwise方式训练(like j better than k)
loss:-log( sigmiod(u_i*v_j-u_i*v_k))+正则项