- 通过自监督预训练提升在线广告中的转化率预测
使用自监督预训练的方法来改善在线广告系统中的点击率预测模型,通过训练一个辅助自编码器模型来丰富主要的点击率预测模型,提高相关性、稳定性和网络规模,最终成功部署到 Yahoo 原生广告系统。
- 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 - 利用因子分解机进行个性化游戏难度预测
本文研究了使用因式分解机方法,通过观察玩家尝试次数来实现对游戏难度的个性化估计,并且与基准策略和使用随机森林的个性化预测进行比较,结果表明因式分解机是一种有前途的工具,可以帮助游戏设计师优化玩家体验,并更加深入地了解其玩家和游戏的特征。
- MM推荐系统中的矩阵分解与分解机介绍及进展
本文旨在更好地理解矩阵分解(MF)、因子分解机(FM)及其与深度算法相结合在推荐系统中的应用。具体而言,本文将重点关注奇异值分解(SVD)及其衍生物(如 Funk-SVD、SVD++ 等)。通过数值实例,我们努力将理论与实际问题联系起来,并 - 面向时间预测分析的序列感知分解机
本文提出一种名为 SeqFM 的新型基于因子分解机的模型,可以完全考虑动态特征之间的因果依赖关系,通过多视角自注意力模型分别建模静态特征、动态特征和静态动态特征的交互作用,完成时序预测分析任务。在六个大规模数据集上的实验结果表明,SeqFM - ICMLRaFM: 一种基于排名感知的分解机模型
提出一种名为 Rank-Aware FM 的模型,该模型使用不同排名的嵌入对成对交互进行采用,从而在具有显着变化频率的不同特征的实际数据集上实现更好的性能,提高了回归任务和分类任务的性能,同时增加了较少的计算负担,因此在工业应用中也具有吸引 - AAAI知识追踪机器:因子分解机用于知识追踪
本研究通过使用分解机(FM),一种回归或分类的模型,展示了它是目前已有的一些教育文献中现有模型的特例,可精确快速地估计学生知识,适用于多种知识组件和技能水平尝试的学生模型,提供了一个试验平台,以尝试新的特征组合,以改进现有模型。
- KDDColdRoute: Stack Exchange 网站中冷门问题的有效路由
本文提出了 ColdRoute 方法,该方法使用因子分解机从关键特征的 one-hot 编码中提取问题标签来解决 CQA 中新问题的冷启动问题,该方法通过在八个 Stack Exchange 网站上的测试证明,与现有技术相比,可以使冷问题的 - 基于神经网络的稀疏预测分析的因子分解机
本文提出了一种用于稀疏数据预测的新型模型 Neural Factorization Machine(NFM),将因子分解机(Factorization Machines,FM)中二阶特征交互的线性性与神经网络中高阶特征交互的非线性相结合,实 - 利用注意力网络学习特征交互权重的注意力分解机
本文提出了一种基于神经注意力网络的模型,命名为注意力分解机,该模型通过区分不同特征交互的重要性,通过学习数据来改进了因同等加权造成的效率下降的因素分解机,实验证明改进后的注意力分解机在回归任务中相对于因素分解机有 8.6% 的相对改善,而且 - NIPS多输出多项式网络与因子分解机
本文介绍了将因子分解机和多项式网络拓展应用到多输出设置的方法,并提出了一种基于共同基础的三维张量的学习问题的凸形式,进一步提出一种高效的条件梯度算法以解决该问题,并在分类和推荐任务中通过实验验证了其良好的性能和较稀疏的模型。
- 基于因子分解机的神经网络用于 CTR 预测的 DeepFM
本文提出了一个新的深度学习模型 DeepFM,既能够强调低阶特征交互,又能够强调高阶特征交互,接受的特征也不需要进行专业的工程处理。经过实验证明,DeepFM 比现有模型更有效和更高效用于 CTR 预测。
- 多项式网络和因子分解机:新见解和高效训练算法
本文从统一的视角重新审视了多项式网络和分解机模型,提出了高效训练算法,并将参数学习作为低秩对称张量估计问题进行求解。在回归和推荐系统任务中展示了我们的方法。
- 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。
- 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。
- MM基于潜在特征的 FM 模型用于评分预测
本文介绍了两种基于 Latent Dirichlet Allocation (LDA) 和 word2vec 模型的 Feature-based 模型,一个基于主题模型的 FM 模型,一个基于向量模型的 FM 模型,通过对比实验验证,向量模