主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2020年专刊出版计划 微信服务介绍 最新一期:2019年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
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
因子分解机模型研究综述
Survey on Factorization Machines Model
投稿时间:2018-07-20  修订日期:2018-09-20
DOI:10.13328/j.cnki.jos.005698
中文关键词:  因子分解机  高阶交互  特征选择  概率模型  凸优化  分布式框架  优化方法
英文关键词:factorization machine  high-order interaction  feature selection  probability model  convex optimization  distributed framework  optimization algorithm
基金项目:国家自然科学基金(61772537,61772536,61702522,61532021)
作者单位E-mail
赵衎衎 中国人民大学 信息学院, 北京 100872
数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872 
 
张良富 中国人民大学 信息学院, 北京 100872
数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872 
 
张静 中国人民大学 信息学院, 北京 100872
数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872 
 
李翠平 中国人民大学 信息学院, 北京 100872
数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872 
licuiping@ruc.edu.cn 
陈红 中国人民大学 信息学院, 北京 100872
数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872 
 
摘要点击次数: 960
全文下载次数: 682
中文摘要:
      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.
英文摘要:
      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.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利