在线小型凸分解机

WWWFeb, 2018

Online Compact Convexified Factorization Machine

Wenpeng Zhang, Xiao Lin, Peilin Zhao

TL;DR本研究提出了一种在线学习算法，名为 Online Compact Convex Factorization Machine (OCCFM)，使用一种新的凸化方法来进行因式分解模型的在线学习。该算法采用线性优化而非传统的投影操作来优化模型，理论上证明了它在在线学习场景中的优越性能，并在多个真实数据集上进行了验证。

Abstract

factorization machine (FM) is a supervised learning approach with a powerful capability of feature engineering. It yields state-of-the-art performance in various batch learning tasks where all the training data is made available prior to the training. However, in real-world application

factorization machine online learning convexification linear optimization regret bound

发现论文，激发创造

凸分解机用于回归

本文提出了一种凸分解机方法（CFM），它是广泛使用的分解机（FM）的一个凸变体。该方法可以找到全局最优解，并已在应用于多视角矩阵分解和张量完成问题时获得成功。

Jul, 2015

fastFM: 因子分解机的库

本文介绍因子分解机及其在机器学习、推荐系统、处理稀疏高维特征等领域的应用。作者提供了一个易用的因子分解机实现，支持回归、分类和排序等任务，为这一模型在广泛的应用领域提供了便利和潜力。

May, 2015

现实世界在线广告系统中的领域感知因子分解机

介绍了一种预测显示广告中用户点击率和转化率的实时预测系统，该系统采用基于领域的分解机方法，得到了良好的预测效果。我们还讨论了模型训练中的一些挑战和解决方案。

Jan, 2017

高阶分解机

本文介绍了一种用于训练任意阶 HOFMs 的通用且高效的算法，以及具有共享参数的新变体，这大大减少了模型大小和预测时间，同时保持了类似的准确性，并在四个不同的链接预测任务上演示了所提出的方法。

Jul, 2016

在线学习的投影二次回归

本文提出了一种投影二次回归（PQR）模型，它可以捕捉重要的二阶特征信息，是一个凸模型，可以实现 OCO 的要求并实现全局最优解，并且具有与线性模型相同的时间复杂度和空间复杂度。

Nov, 2019

持续冷启动的在线物品推荐增量分解机

本文提出了基于增量因式分解机的在线项目推荐方法，能够有效解决用户和项目动态变化的推荐问题，具有较高的可行性和性能表现，是进一步发展生产推荐系统的有前途的基础。

Jul, 2016

大规模推荐系统中用于偏好获取的变分因子机

本文提出了一种用于大规模数据的变分 Factorization Machines 算法，通过标准的 Mini-Batch 随机梯度下降法实现优化，从而为预测结果提供可靠的置信度，并在多个数据集上展示了其在预测准确性上具有与现有方法相媲美甚至更好的性能，同时提出了在偏好调查技术等活动策略中的应用。

Dec, 2022

泛化因子分解机和秩一矩阵感知的非凸一次过程框架

利用条件独立 RIP 特性构造 GMF 模型的估计序列，实现在线学习、线性收敛及对只消耗 O (kd) 内存，在遍历一遍数据集时，仅需要执行矩阵−向量乘积操作的推广版因子分解机 (gFM)。

Aug, 2016

哪种因子分解机建模更好：具有最优保证的理论答案

对于广义因子机，当输入数据满足所谓的 τ- 矩可逆特性时，可将广义因子机的采样复杂度提高至 O [k ^ 2d⋅polylog（kd）/τ^2]。

Jan, 2019

无投影在线学习

本论文提出采用 Frank-Wolfe 技术的高效在线学习算法，避免了投影步骤，同时在在线凸优化方面获得了一系列遗憾界，特别是在随机在线平滑凸优化方面。此外，我们的算法具有参数自由性和产生稀疏决策的优点，并将算法应用到协作过滤的计算密集型应用中，并在标准数据集上显示出理论上的改进。

Jun, 2012