论文为协同过滤相似度度量建立理论基础, cosine 有了新解释
_reachsumit · x · 2026-10-28
论文（arXiv:2610.34402）为基于邻域的协同过滤中的物品相似度度量提供理论化设计方法：
- 动机：许多常用相似度度量是缺乏理论依据的启发式，实践者只能靠试错，无法理解为何某些度量更优。
- 方法：基于概率建模与参数估计，从 Bernoulli 与多项朴素贝叶斯推导出两种此前被忽视的相似度度量。
- 消融研究：揭示偏置项、概率平滑、正确处理未知值、选择合适分布的关键作用。
- 新视角：证明常用 cosine similarity 可解释为某一特定优化问题的解，为这一几十年老启发式给出新解释。
「研究」频道最新
- 普渡大学推出无GPS无人机:片上激光雷达穿越密林追踪目标 — DavidSKrueger · 2026-10-28
- 研究者推出「AI间道德」实证研究议程，聚焦AI如何感知与对待彼此 — dioscuri · 2026-10-28
- T-DIG 政策可零样本迁移：让 GPT Image 2 与 Gemini 出图更多样 — simi_97k · 2026-10-28
- Cohere Labs 10 月 28 日办 RL 与机器人学习研究会,Lila 与 PI 科学家主讲 — tw_killian · 2026-10-28
- T-DIG 训练中的 reward hacking：只用多样性奖励会生成空白图 — simi_97k · 2026-10-28
- T-DIG 数据集披露：从 HPD V2 过滤 2 万条提示词合成变化轴 — simi_97k · 2026-10-28