Машини факторної розробки на місцях

Чи може хто-небудь пояснити, як польові машини факторизації (FFM) порівнюють зі стандартними машинами для факторизації (FM)?

Стандарт: http://www.ismll.uni-hildesheim.de/pub/pdfs/Rendle2010FM.pdf

"Польові програми": http://www.csie.ntu.edu.tw/~r01922136/kaggle-2014-criteo.pdf

Схоже, ви просите опис високого рівня. Якщо ви посилаєтесь на слайди, пов’язані з слайдами свого початкового повідомлення, можна порівняти FM (слайд 11) та FFM (слайд 12).

Як короткий приклад, якщо ви дізнаєтесь про користувачів та фільми, FM може мати такий фактор:

w_{user_1}*w_{movie_1}*... + w{user_1}*w_{genre_1}*...

FFM матиме:

w_{user_1, movies}*w_{movie_1, users}*... + w{user_1, genres}*w_{genre_1, users}*...

Ключова відмінність полягає в тому, що в FM w_{user_1}коефіцієнт однаковий в обох термінах - є єдине поняття користувача. У FFM ви дізнаєтесь окремо w_{user_1}для кожного контексту, наприклад, чи взаємодіє він з фільмами чи жанрами. Зауважте, що це вивчається не окремо для кожного конкретного фільму чи жанру, а загалом для фільмів та жанрів. Тобто, вона окремо вивчає контекст користувача для кожного типу взаємодії.

Також зазначу , що w_{movie_1}пішло , w_{movie_1, users}оскільки цей термін взаємодіє з w_{user_1}, користувачем.

$Z$$z \in Z$$k_z$$X$$K := \sum_{z \in Z}k_z$

$Q$$K\times (K+1) / 2$

$Q$$Q \equiv W^{T} W$$W$$l \times K$$1\le l \le K$$W$$Q$

$Q$$Q$$z$$q_{z_i, z_j}$$z_i,z_j$$Q$$q_{z_i,z_j}$$z_i,z_j$$W_j^{T} W_i$$W_i$$l \times K$$W_i$$Q$

$Q$$K \times l$$K\times l\times |Z|$$K \times (K+1)/2$

У машинах стандартної факторизації також є поля. «Новиною» тут, здається, є використання функцій GBDT та застосування хеш-хитів. Немає великого ефекту, схоже: перевірити хвилинний діапазон продуктивності на останньому слайді.