Factorization Machines簡介

在推薦場景中，我們經常面臨稀疏的數據樣本。SVM這種通用模型在稀疏場景下將失效，故論文提出了FM，這種能夠在稀疏場景下有效的通用模型。論文最後也提到了FM與矩陣分解MF、SVD++等其他模型的關係，最後你會驚奇的發現FM模型是有多強大。 FM模型把稀疏特徵映射爲K維的隱變量，並且通過隱變量之間的點積來作爲兩個特徵交叉的權重值.當然FM也可以做高階的特徵交叉，但是絕大部分時候我們還是隻用二階部分，更

>>阅读原文<<