因子分解机模型研究综述
作者:
作者单位:

作者简介:

江佳伟(1990-),男,湖北洪湖人,博士,CCF学生会员,主要研究领域为机器学习;邵蓥侠(1988-),男,博士,副研究员,博士生导师,CCF专业会员,主要研究领域为数据库,知识图谱数据管理,并行图计算,知识工程;符芳诚(1996-),男,学士,主要研究领域为机器学习;崔斌(1975-),男,博士,教授,博士生导师,CCF杰出会员,主要研究领域为数据库,大数据管理分析.

通讯作者:

李翠平,E-mail:licuiping@ruc.edu.cn

基金项目:

国家自然科学基金(61772537,61772536,61702522,61532021)


Survey on Factorization Machines Model
Author:
Affiliation:

Fund Project:

National Natural Science Foundation of China (61772537, 61772536, 61702522, 61532021)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    传统矩阵分解方法因其算法的高可扩展性和较好的性能等特点,在预测、推荐等领域有着广泛的应用.然而大数据环境下,更多上下文因素的获取变得可能,传统矩阵分解方法缺乏对上下文信息的有效利用.在此背景下,因子分解机模型提出并流行.为了更好地把握因子分解机模型的发展脉络,促进因子分解机模型与应用相结合,针对因子分解机模型及其算法进行了综述.首先,对因子分解机模型的提出进行了溯源,介绍了从传统矩阵分解到因子分解机模型的演化过程;其次,从模型准确率和效率两方面对因子分解机模型存在的基本问题和近年来的研究进展进行了总结,然后综述了适用于因子分解机模型求解的4种代表性优化算法;最后分析了因子分解机模型目前仍存在的问题,提出了可能的解决思路,并对未来的研究方向进行了展望.

    Abstract:

    The traditional matrix factorization method has a wide range of applications in prediction and recommendation tasks because of its high scalability and good performance. In the big data era, more and more contextual features can be obtained easily, while the traditional matrix factorization approach lacks effective use of context information. In this context, Factorization Machines (FM) is proposed and popular. To better grasp the development process of FM model and adapt FM approach to the real application, this paper reviews existing FM models and their optimization algorithms. First, it introduces the evolution process from traditional Matrix Factorization (MF) to FM model. Second, the paper summarizes the existing researches on FM method from the perspective of model accuracy and efficiency; Third, the paper presents the studies of four representative optimization algorithms, which are suitable for various FM models. Finally, the paper analyzes the challenges in the current FM model, proposes possible solutions for these problems, and discusses the future work.

    参考文献
    相似文献
    引证文献
引用本文

赵衎衎,张良富,张静,李翠平,陈红.因子分解机模型研究综述.软件学报,2019,30(3):799-821

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2018-07-20
  • 最后修改日期:2018-09-20
  • 录用日期:
  • 在线发布日期: 2019-03-06
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号