Neural Factorization Machine -学习笔记

原创

于 2022-05-04 15:15:45 发布 · 1k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #深度学习 #推荐算法

本文介绍了Neural Factorization Machine（NFM），一种解决传统Factorization Machine（FM）局限性的模型。NFM利用深度神经网络（DNNs）替代FM的二阶项，通过Bi-Interaction Layer的Bi-Interaction Pooling操作和隐藏层学习高阶特征交叉，以提升推荐系统的效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

动机

在推荐系统中，交叉特征(Cross Features)可以深入挖掘特征之间的潜在关系，提升模型效果。例如，把职业特征 $banker,doctor}occupation=\left\{banker,doctor\right\}$ 和性别特征 $M,F}gender=\left\{M,F\right\}$ 进行交叉组合，可以得到新特征 $occupation_gender={ banker_M,banker_F,doctor_M,doctor_F}occupation\_gender=\left\{banker\_M,banker\_F,doctor\_M,doctor\_F\right\}$