Lĩnh vực máy Aware Factorization

Bất cứ ai cũng có thể giải thích làm thế nào các máy nhân tố nhận biết trường (FFM) so với các máy Factorization tiêu chuẩn (FM)?

Tiêu chuẩn: http://www.ismll.uni-hildesheim.de/pub/pdfs/Rendle2010FM.pdf

"Nhận thức trường": http://www.csie.ntu.edu.tw/~r01922136/kaggle-2014-criteo.pdf

Có vẻ như bạn đang yêu cầu một mô tả cấp cao. Nếu bạn tham khảo các slide được liên kết đến trong các slide của bài viết gốc của bạn, thì có sự so sánh giữa FM (slide 11) so với FFM (slide 12).

Ví dụ nhanh, nếu bạn đang tìm hiểu về người dùng và phim, FM có thể có các yếu tố sau:

w_{user_1}*w_{movie_1}*... + w{user_1}*w_{genre_1}*...

FFM sẽ có:

w_{user_1, movies}*w_{movie_1, users}*... + w{user_1, genres}*w_{genre_1, users}*...

Sự khác biệt chính là trong FM, w_{user_1}hệ số này giống nhau ở cả hai thuật ngữ - có một khái niệm duy nhất về người dùng. Trong FFM, bạn tìm hiểu riêng w_{user_1}cho từng bối cảnh, ví dụ: liệu nó có tương tác với phim hay thể loại hay không. Lưu ý rằng nó không được học riêng cho từng bộ phim hoặc thể loại cụ thể, nhưng đối với phim và thể loại nói chung. Đó là, nó học riêng bối cảnh của người dùng cho từng loại tương tác.

Cũng lưu ý rằng w_{movie_1}đã đi đến w_{movie_1, users}vì thuật ngữ đó đang tương tác với w_{user_1}, một người dùng.

Giả sử (trước khi mã hóa một lần nóng), bạn có các yếu tố dự đoán / trường từ một bộ (giả sử thể loại phim, giới tính người dùng và chủng tộc người dùng). Giả sử xa hơn, mỗi bộ dự đoán có thể nhận một trong các giá trị . Sau khi mã hóa một lần nóng, bạn sẽ có một bộ tính năng nhị phân có kích thước .$Z$$z \in Z$$k_z$$X$$K := \sum_{z \in Z}k_z$

Trong một mô hình có tất cả các tương tác, bạn phải ước tính một ma trận các hệ số tương tác , có thuật ngữ duy nhất.$Q$$K\times (K+1) / 2$

Máy nhân tố đặt cấu trúc lên ma trận và giả sử rằng , trong đó có kích thước , với một số số do người dùng chỉ định. Chúng tôi ước tính thay vì .$Q$$Q \equiv W^{T} W$$W$$l \times K$$1\le l \le K$$W$$Q$

Trường-aware puts máy thừa số cấu trúc trên là tốt. Nó phân vùng thành các khối dựa trên (các tính năng ban đầu). Nếu biểu thị khối của , chúng tôi giả sử rằng xuất phát từ khối của , trong đó có kích thước . Như với FM, chúng tôi ước tính thay vì .Q z q z i , z j z i , z j Q q z i , z j z i , z j W T j W i W i l × K W i$Q$$Q$$z$$q_{z_i, z_j}$$z_i,z_j$$Q$$q_{z_i,z_j}$$z_i,z_j$$W_j^{T} W_i$$W_i$$l \times K$$W_i$$Q$

Hệ số FM của có tham số . FM "nhận biết yếu" cóthông số. Một mô hình với tất cả các tương tác có tham số . K × l K × l × | Z | K × ( K + 1 ) /$Q$$K \times l$$K\times l\times |Z|$$K \times (K+1)/2$

Máy nhân tố tiêu chuẩn có các lĩnh vực quá. "Tính mới" ở đây dường như là việc sử dụng các tính năng GBDT và áp dụng các thủ thuật băm. Không có hiệu quả lớn, có vẻ như: kiểm tra phạm vi phút trong hiệu suất trên slide cuối cùng.