论文笔记《Neural Factorization Machines for Sparse Predictive Analytics》

原文链接 本文发表于信息检索领域顶级会议 SIGIR 2017 代码链接 摘要 在当今互联网工业界中,有许多预测任务需要用到大量的类别特征。要想将这些类别特征送入到模型中,就必须得将其onehot。但这样一来,就会产生大量的稀疏特征,要想从这些稀疏特征中充分学习到有用的信息,必须要考虑特征之间的相互作用。 FM算法是一种常用的解决方案,因为它充分考虑了二阶特征之间的相互作用。然而FM有一个缺点,就
相关文章
相关标签/搜索