推薦系統

推薦系統特征構建新進展:極深因子分解機模型 | KDD 2018

Submitted by huzhenda on Sun, 08/26/2018 - 15:02

色狠狠亚洲爱综合网站特征(features)的構建對推薦系統來說至關重要,直接關系到推薦系統的精準性。在傳統的推薦系統中,高階交叉特征通常由工程師手工提取,不僅人力成本高昂、維度空間極大,而且不可泛化。因此自動學習特征的交互是十分有必要的 ,但目前已有的相關工作學習的是隱式的交互特征,且特征交互發生在元素級(bit-wise)而非向量級。為此,微軟亞洲研究院社會計算組在KDD 2018上提出一個新的模型——極深因子分解機(xDeepFM)。

近年來,隨著深度學習技術在語音識別、計算機視覺和自然語言理解等領域取得巨大成功,越來越多的學者們也在著手研究基于深度學習技術的推薦系統對于搭建精準的推薦系統而言,特征(features)是至關重要的。從特征構建的層面而言,現階段深度學習技術在推薦系統中的應用可以大致分為兩類:

(1)從原始數據中自動學習出蘊含語義的隱特征,例如從本文、圖像或者知識網絡中提取出有效的隱特征;

色狠狠亚洲爱综合网站(2)自動學習多個相關特征之間的交互關系。

var _hmt = _hmt || []; (function() { var hm = document.createElement("script"); hm.src = "https://hm.baidu.com/hm.js?44d5929b98ed1fd093ffc3d47ec712b9"; var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(hm, s); })(); document.writeln("");