강건한 순위 기반 저차원 임베딩 t‑ETE

본 논문은 인간이 제공한 삼중 비교(triplet) 데이터를 이용해 객체들을 저차원 유클리드 공간에 임베딩하는 새로운 방법 t‑ETE(t‑Exponential Triplet Embedding)를 제안한다. 기존의 GNMDS, CKL, STE, t‑STE 등은 삼중 비교를 손실 함수로 직접 최소화하지만, 손실이 무한히 커지는 특성 때문에 소량의 잡음(예: 인간 평가자의 주관 차이, 불일치된 삼중 비교)만 있어도 전체 최적화가 크게 왜곡된다. 저자들은 이 문제를 “공동 순위” 관점으로 재구성한다. 임베딩 Y={y₁,…,y_N}에서 각 객체 i에 대해 나머지 객체들을 거리 기반 순위로 정렬하고, 삼중 비교 (i,j,k) 는 “j가 k보다 i에 더 가깝다”는 순위 제약을 의미한다. 따라서 임베딩은 모든 쿼리 i에 대해 가능한 순위 제약을 동시에 만족하도록 설계된다. 핵심 기여는 두 가지 수학적 변환이다. 첫째, t‑지수 함수 expₜ(x) =