資料內(nèi)容：
一、除了cosin還有哪些算相似度的方法
除了余弦相似度（cosine similarity）之外，常見的相似度計算方法還包括歐氏距離、曼哈頓距離、
Jaccard相似度、皮爾遜相關(guān)系數(shù)等。
二、了解對比學習嘛？
對比學習是一種無監(jiān)督學習方法，通過訓練模型使得相同樣本的表示更接近，不同樣本的表示更遠
離，從而學習到更好的表示。對比學習通常使用對比損失函數(shù)，例如Siamese網(wǎng)絡、Triplet網(wǎng)絡
等，用于學習數(shù)據(jù)之間的相似性和差異性。
三、對比學習負樣本是否重要？負樣本構(gòu)造成本過高應該怎么解
決？
對比學習中負樣本的重要性取決于具體的任務和數(shù)據(jù)。負樣本可以幫助模型學習到樣本之間的區(qū)分
度，從而提高模型的性能和泛化能力。然而，負樣本的構(gòu)造成本可能會較高，特別是在一些領(lǐng)域和
任務中。
