Alan Duyarlı Çarpanlara Ayırma Makineleri

Alan duyarlı çarpanlara ayırma makinelerinin (FFM) standart çarpanlara ayırma makinelerine (FM) kıyasla ne olduğunu açıklayabilir misiniz?

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

"Alan Bilinci": http://www.csie.ntu.edu.tw/~r01922136/kaggle-2014-criteo.pdf

Görünüşe göre üst düzey bir açıklama istiyorsunuz. Orijinal yayınınızın slaytları içinde bağlantılı slaytlara başvurursanız , FM (slayt 11) ile FFM (slayt 12) karşılaştırması vardır.

Hızlı bir örnek olarak, kullanıcılar ve filmler hakkında bilgi ediniyorsanız, FM aşağıdaki faktörlere sahip olabilir:

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

FFM'nin sahip olduğu:

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

Temel fark, FM'de w_{user_1}katsayının her iki açıdan da aynı olmasıdır - kullanıcının tek bir nosyonu vardır. FFM'de w_{user_1}her bağlam için ayrı bir şey öğrenirsiniz , örneğin, filmlerle veya türlerle etkileşime girip girmediği. Her bir film veya tür için ayrı olarak değil, genellikle filmler ve türler için ayrı olarak öğrenildiğini unutmayın. Yani, her etkileşim türü için kullanıcının bağlamını ayrı ayrı öğrenir.

Ayrıca, bu terimin bir kullanıcıyla etkileşime w_{movie_1}girmesinden w_{movie_1, users}bu yana gittiğini unutmayın w_{user_1}.

(Bir sıcak kodlamadan önce) bir setinden (film türü, kullanıcı cinsiyeti ve kullanıcı yarışı gibi) öngörücülerinizin / alanlarınızın olduğunu varsayalım . Dahası varsayalım ki, her bir z ∈ Z belirleyicisi k z değerlerinden birini alabilir . Bir sıcak kodlamadan sonra, yeni bir ikili özelliklere sahip olacaksınız$Z$$z \in Z$$k_z$ boyutu K : = Σ z ∈ Z k z .$X$$K := \sum_{z \in Z}k_z$

Tüm etkileşimleri olan bir modelde, etkileşim katsayılarının bir matrisini tahmin etmelisiniz , K × ( K + 1 ) / 2 benzersiz terimi Q.$Q$$K\times (K+1) / 2$

Matris ile ayrıştırma makinesi koyar yapısı ve varsayar S ≡ W , T W , W, boyutu ait l x $Q$$Q \equiv W^{T} W$$W$$l \times K$$1\le l \le K$$W$$Q$

$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$

$Q$$K \times l$$K\times l\times |Z|$$K \times (K+1)/2$

Standart çarpanlara ayırma makinelerinin de alanları vardır. Buradaki "yenilik", GBDT özelliklerinin kullanımı ve karma hilelerin uygulanması gibi görünüyor. Etkili değil, öyle görünüyor ki: son slaytta performans dakika aralığına bakın.