推薦系統一——深入理解推薦系統召回算法(2)

緊接上文: 推薦系統一——深入理解推薦系統召回算法(1) 四、基於FM模型召回 FM是Steffen Rendle在2010年提出的,FM算法的核心在於特徵組合,以此來減少人工參與特徵組合工作。對於FM,其優勢可分以下三點: FM能處理數據高度稀疏場景,SVM則不能; FM具有線性的計算複雜度,而SVM依賴於support vector。 FM能夠在任意的實數特徵向量中生效。 FM的數據結構如下:
相關文章
相關標籤/搜索