原书出处
深度学习推荐系统
02 第2章 前深度学习时代——推荐系统的进化之路
2.5.2 FM模型——隐向量特征交叉 为了解决POLY2模型的缺陷,2010年,Rendle提出了FM模型 [5]。
(式2-21)是FM二阶部分的数学形式,与POLY2相比,其主要区别是用两个向量的内积取代了单一的权重系数。具体地说,FM为每个特征学习了一个隐权重向量(latent vector)。在特征交叉时,使用两个特征隐向量的内积作为交叉特征的权重
。 本质上,FM 引入隐向量的做法,与矩阵分解用隐向量代表用户和物品的做法异曲同工。可以说,FM 是将矩阵分解隐向量的思
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深度学习推荐系统/_epub-src/text/part0006_split_005.html
EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382