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(jiàn)的相似度計(jì)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(duì)比學(xué)習(xí)嘛？
對(duì)比學(xué)習(xí)是一種無(wú)監(jiān)督學(xué)習(xí)方法，通過(guò)訓(xùn)練模型使得相同樣本的表示更接近，不同樣本的表示更遠(yuǎn)
離，從而學(xué)習(xí)到更好的表示。對(duì)比學(xué)習(xí)通常使用對(duì)比損失函數(shù)，例如Siamese網(wǎng)絡(luò)、Triplet網(wǎng)絡(luò)
等，用于學(xué)習(xí)數(shù)據(jù)之間的相似性和差異性。
三、對(duì)比學(xué)習(xí)負(fù)樣本是否重要？負(fù)樣本構(gòu)造成本過(guò)高應(yīng)該怎么解
決？
對(duì)比學(xué)習(xí)中負(fù)樣本的重要性取決于具體的任務(wù)和數(shù)據(jù)。負(fù)樣本可以幫助模型學(xué)習(xí)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(fù)樣本的構(gòu)造成本可能會(huì)較高，特別是在一些領(lǐng)域和
任務(wù)中。
