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：

>>阅读原文<<