(论文阅读笔记1)Collaborative Metric Learning(二)（WWW2017）

三、协同度量学习

    这一部分，我们讨论CML作为一种更自然的方法获得关联关系。CML的思路是这样的：我们在已知正例关系的user-item集合$\mathcal{S}$上建立一个隐性反馈模型，并且学习user-item的距离作为他们的关系。学习到的距离使得$\mathcal{S}$中的对更加紧密，而$\mathcal{S}$之外的user-item对相对的远离。这个处理过程，源于三角不等性。也可以聚类：喜欢相同item的users，同一user喜欢的一些items。换句话说，通过学习度量可以获得已知的正例关系，这个关系不仅是user-item之间，而且包含user-user和item-item，而这是我们不能直接通过观察得到的。

3.1 Model Formulation