7-相似度函数篇¶
来源 PDF：
200页AI大模型面试高频必刷题（附详解）/7-相似度函数篇.pdf
主题：训练 / 微调
页数：1
字符数：764
索引片段数：2
摘要¶
相似度函数篇 来自： AiGC面试宝典 宁静致远 2024年01月12日 06:35 一、除了cosin还有哪些算相似度的方法 除了余弦相似度（cosine similarity）之外，常见的相似度计算方法还包括欧氏距离、曼哈顿距离、 Jaccard相似度、皮尔逊相关系数等。 二、了解对比学习嘛？ 对比学习是一种无监督学习方法，通过训练模型使得相同样本的表示更接近，不同样本的表示更远 离，从而学习到更好的表示。对比学习通常使用对比损失函数，例如Siamese网络、Triplet网络 等，用于学习数据之间的相似性和差
代表性原文片段¶
片段 1¶
相似度函数篇 来自： AiGC面试宝典 宁静致远 2024年01月12日 06:35 一、除了cosin还有哪些算相似度的方法 除了余弦相似度（cosine similarity）之外，常见的相似度计算方法还包括欧氏距离、曼哈顿距离、 Jaccard相似度、皮尔逊相关系数等。 二、了解对比学习嘛？ 对比学习是一种无监督学习方法，通过训练模型使得相同样本的表示更接近，不同样本的表示更远 离，从而学习到更好的表示。对比学习通常使用对比损失函数，例如Siamese网络、Triplet网络 等，用于学习数据之间的相似性和差异性。 三、对比学习负样本是否重要？负样本构造成本过高应该怎么解 决？ 对比学习中负样本的重要性取决于具体的任务和数据。负样本可以帮助模型学习到样本之间的区分 度，从而提高模型的性能和泛化能力。然而，负样本的构造成本可能会较高，特别是在一些领域和 任务中。 为了解决负样本构造成本过高的问题，可以考虑以下方法： • 相似度函数篇 • 一、除了cosin还有哪些算相似度的方法 • 二、了解对比学习嘛？ • 三、对比学习负样本是否重要？负样本构造成本过高应该怎么解决？
片段 2¶
考虑以下方法： • 相似度函数篇 • 一、除了cosin还有哪些算相似度的方法 • 二、了解对比学习嘛？ • 三、对比学习负样本是否重要？负样本构造成本过高应该怎么解决？ • 降低负样本的构造成本：通过设计更高效的负样本生成算法或采样策略，减少负样本的构造成 本。例如，可以利用数据增强技术生成合成的负样本，或者使用近似采样方法选择与正样本相 似但不相同的负样本。 • 确定关键负样本：根据具体任务的特点，可以重点关注一些关键的负样本，而不是对所有负样 本进行详细的构造。这样可以降低构造成本，同时仍然能够有效训练模型。 • 迁移学习和预训练模型：利用预训练模型或迁移学习的方法，可以在其他领域或任务中利用已 有的负样本构造成果，减少重复的负样本构造工作。 查看更多
使用建议¶
- 这些内容来自授权公开 PDF 的文本抽取结果，网页端会基于同一份静态索引做关键词检索。
- 面试复习时建议先用网页 PDF 原文检索定位题目，再回到主 notes 学系统化答案。
- 如果片段出现排版噪声，以原 PDF 语义为准，并优先整理成自己的回答模板。