现场感知分解机

Question

谁能解释场感知因式分解机(FM)与标准分解机(FM)的比较吗？

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

“字段感知”：http://www.csie.ntu.edu.tw/~r01922136/kaggle-2014-criteo.pdf

Answer 1

你好像想要一个高级的描述。如果您引用了链接到原始文章幻灯片中的幻灯片，则可以比较FM (幻灯片11)和FFM (幻灯片12)。

举个简单的例子，如果您正在学习用户和电影，FM可能有以下因素：

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

实况调查团将：

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

关键的区别是，在FM中，w_{user_1}系数在这两个术语中是相同的--只有一个用户的概念。在FFM中，您将为每个上下文学习一个单独的w_{user_1}，例如，它是否与电影或类型交互。请注意，它不是针对每一种特定的电影或类型单独学习的，而是针对一般的电影和类型来学习的。也就是说，它分别学习每种类型的交互的用户上下文。

还请注意，w_{movie_1}使用了w_{movie_1, users}，因为该术语是与用户w_{user_1}交互的。

Answer 2

标准的分解机器也有字段。这里的“新颖性”似乎是GBDT特性的使用和散列技巧的应用。没有太大的影响，它似乎:看看在性能的分钟范围上的最后一张幻灯片。