Kontrastives Lernen

Kontrastives Lernen (englisch: Contrastive Learning) ist eine Methode des maschinellen Lernens, bei der ein Modell lernen soll, ähnliche und unähnliche Merkmale in Datensätzen zu unterscheiden. Das Ziel ist es, eine Repräsentation (Einbettung) der Daten zu erstellen, die die Ähnlichkeiten und Unterschiede zwischen den Merkmalen der Daten optimal abbildet.

Kontrastives Lernen wird in Computer Vision sowie Natural language processing verwendet.

Beispiele für gängige Verlustfunktionen beim kontrasitiven Lernen sind der contrastive loss, der triplett loss sowie Verallgemeinerungen, wie der multiple negative ranking loss.