总而言之,相似度测量可量化一对样本之间相对于另一对样本之间的相似度。下表比较了这两种类型的相似度衡量方法:
类型 | 创建者 | 使用时机 | 影响 |
---|---|---|---|
人工 | 手动合并特征数据。 | 数据集较小,特征可轻松组合。 | 您可以深入了解相似度计算的结果,但如果特征数据发生变化,则必须更新相似度测量。 |
受监管 | 测量通过监督式 DNN 生成的嵌入之间的距离。 | 数据集较大,特征难以组合。 | 无法深入了解结果,但 DNN 可以自动适应不断变化的特征数据。 |
总而言之,相似度测量可量化一对样本之间相对于另一对样本之间的相似度。下表比较了这两种类型的相似度衡量方法:
类型 | 创建者 | 使用时机 | 影响 |
---|---|---|---|
人工 | 手动合并特征数据。 | 数据集较小,特征可轻松组合。 | 您可以深入了解相似度计算的结果,但如果特征数据发生变化,则必须更新相似度测量。 |
受监管 | 测量通过监督式 DNN 生成的嵌入之间的距离。 | 数据集较大,特征难以组合。 | 无法深入了解结果,但 DNN 可以自动适应不断变化的特征数据。 |
如未另行说明,那么本页面中的内容已根据知识共享署名 4.0 许可获得了许可,并且代码示例已根据 Apache 2.0 许可获得了许可。有关详情,请参阅 Google 开发者网站政策。Java 是 Oracle 和/或其关联公司的注册商标。
最后更新时间 (UTC):2022-11-18。