Revolucionando a Medida de Similaridade: Redes Neurais de Tversky
Este artigo apresenta uma nova arquitetura de rede neural baseada na similaridade de Tversky, desafiando o uso prevalente do produto escalar ou similaridade de cosseno no aprendizado profundo. Ele elegantemente transforma as operações de conjuntos tradicionalmente discretas do modelo de Tversky em funções diferenciáveis, permitindo o treinamento dentro da estrutura de aprendizado profundo. Experimentos demonstram melhorias significativas de desempenho em reconhecimento de imagem e modelagem de linguagem, juntamente com interpretabilidade aprimorada, permitindo explicações intuitivas das decisões do modelo. A inovação central reside em uma função de similaridade de Tversky diferenciável que considera recursos comuns e distintos, alinhando-se melhor à percepção humana de similaridade.