待澄清知识点

待弄清：A3Net如何同时利用已知频率与大量未知位置训练，以及其中的0.5基线是否合理。

关联来源：矩阵内积解码与矩阵补全

原始公式

其中论文设定$\delta=0.5$、$\alpha=0.03$。

待解决的三个问题

1. 掩码怎样真正“选择位置”？

   • $V_\Gamma$与$V_\Lambda$在逐元素乘法和Frobenius范数中分别如何排除另一类位置？
   • 能否用一个$2\times3$的小矩阵手算完整损失？

2. 为什么未知项要拉向0.5？

   • 已知频率标签是1—5级，而0表示未知；0.5从何而来？
   • 它是数值上的训练锚点、先验假设，还是有数据/理论依据？
   • 将未知项拉向0.5，会怎样影响对真正高频但未记录关系的预测？

3. $\alpha=0.03$为什么足够小、又是否足够小？

   • 未知项数量远多于已知项，0.03的单项权重累加后实际占多大影响？
   • 应怎样根据已知/未知项数量和损失大小，判断该权重是否会淹没真实标签？

当前理解（暂不作为结论）

• 第一项对已知位置做监督拟合；第二项对未知位置施加弱正则化。
• 0.5不应理解为未知位置的真实频率；其合理性及替代方案仍需进一步核对。
• 可与正例-未标注学习比较：未知是否应被赋予固定回归目标，是核心建模选择。