基于时间动态性的场感知分解机模型
来源期刊:控制与决策2020年第1期
论文作者:燕彩蓉 黄颜 徐光伟 黄永锋
文章页码:169 - 173
关键词:场感知分解机;因子分解机;推荐系统;特征工程;
摘 要:场感知分解机模型FFM能够有效解决高维数据特征组合的稀疏问题且具有较高的预测准确度和计算效率,广泛应用于推荐系统领域. FFM在建模时没有考虑时间动态性因素,而真实场景中部分特征值会随着时间发生变化,并在不同时间段对预测影响程度不同.鉴于此,提出一种基于时间动态性的场感知分解机模型tFFM.该模型考虑两类时间动态性:偏置动态性和特征动态性.前者从用户行为和物品流行趋势变化角度分别进行动态建模,并基于时间窗口技术设置不同粒度的时间因子;后者将特征细分为随时间变化的动态特征和保持稳定的静态特征,采用ReLU激活函数建立时间函数.采用统一特征编码方式,并设计一种样本数据生成和存取策略,能够大幅降低模型的训练和预测时间复杂度.利用随机优化方法 Adam对目标进行优化,实验结果表明, tFFM比目前广泛应用的FM和FFM相关方法具有更高的预测准确度.
燕彩蓉,黄颜,徐光伟,黄永锋
东华大学计算机科学与技术学院
摘 要:场感知分解机模型FFM能够有效解决高维数据特征组合的稀疏问题且具有较高的预测准确度和计算效率,广泛应用于推荐系统领域. FFM在建模时没有考虑时间动态性因素,而真实场景中部分特征值会随着时间发生变化,并在不同时间段对预测影响程度不同.鉴于此,提出一种基于时间动态性的场感知分解机模型tFFM.该模型考虑两类时间动态性:偏置动态性和特征动态性.前者从用户行为和物品流行趋势变化角度分别进行动态建模,并基于时间窗口技术设置不同粒度的时间因子;后者将特征细分为随时间变化的动态特征和保持稳定的静态特征,采用ReLU激活函数建立时间函数.采用统一特征编码方式,并设计一种样本数据生成和存取策略,能够大幅降低模型的训练和预测时间复杂度.利用随机优化方法 Adam对目标进行优化,实验结果表明, tFFM比目前广泛应用的FM和FFM相关方法具有更高的预测准确度.
关键词:场感知分解机;因子分解机;推荐系统;特征工程;