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
本文中,我们提出了一种 Lasso 惩罚版本的 Monte Carlo 极大似然方法,用于高维二元马尔可夫随机场的模型选择问题。在证明了算法的正确性后,我们还研究了该方法的有效性。
Dec, 2016
通过使用矩阵因式分解的梯度下降法来优化欠定二次目标函数时,对步长采用合适大小以及初始值足够接近原点进行隐式正则化会使得梯度下降法收敛到最小核范数解,这一结论在实证和理论方面都得到了支持。
May, 2017
本篇论文探讨了深度矩阵分解在矩阵补全和传感中的梯度下降隐式正则化对低秩解的影响,并发现添加深度会增强对低秩解的倾向,结果表明标准正则化的数学符号语言可能不足以完全涵盖梯度下降隐式正则化的机制。
May, 2019
本文提出了一种基于 logistic 回归的方法来估计与二元 Ising 马尔可夫随机场相关联的图,并分析了该方法在高维情况下的表现,提出了一些充分条件,使其能够同时一致估计图中每个节点的邻域。
Oct, 2010
本文提供了一种新的较优 KL 误差的均场近似上下界,并推广到高阶马尔可夫随机场。结合组合数学和优化技术,我们还研究了估计 Ising 模型及马尔可夫随机场自由能的算法问题。我们提供了多种算法,在多项式时间复杂度内误差均控制在某个界内。
Feb, 2018
使用监督半非负矩阵分解和频率正则化的新方法,提出了一种预测时空数据的新方法。通过矩阵分解将时空数据分解为空间和时间分量,并引入非负性约束和频率域的正则化来改善时态模式的清晰度。通过在频率域中选择特征,提供了更便于解释的频率域解释。该方法在地球物理数据分析中具有潜在广泛应用,并与 GRACE 数据的先前研究结果相比,提供了更清晰的可解释性。
Nov, 2023
该研究提出了一种新的方法,名为 Field-matrixed Factorization Machines(FmFM,或 FM^2),用于有效和高效地建模数据中的字段信息,在交叉项剪枝的基础上支持字段特定变量维度的嵌入向量,并通过缓存中间向量进一步优化模型,实验结果显示该方法可以优于 FFM 和 DNN 模型。
Feb, 2021
LMLFM 是第一个考虑数据的复杂相关性和非线性交互作用,可以从长期数据中学习预测模型并选择最具预测性的固定效应和随机效应的多层因子机。在模拟和实际应用中,LMLFM 在预测准确性、变量选择和规模上均优于现有方法。
Nov, 2019
本文研究介绍了关于在局部收敛于树的图上的铁磁伊辛模型,通过证明原始图上的玻尔兹曼分布局部收敛于适当无限随机树上的玻尔兹曼分布并迭代一组平均场(空穴)方程,证明了定理无论在任何正温度和外部场中都能预测自由能的极限,同时局部边际分布可以近似。
Apr, 2008