深度学习在推荐系统中的应用及代码集锦(4)

[19] Neural Factorization Machines for Sparse Predictive Analytics

Xiangnan He, Tat-Seng Chua

SIGIR 2017

https://www.comp.nus.edu.sg/~xiangnan/papers/sigir17-nfm.pdf

多种类别型变量利用one-hot编码之后构成的特征会比较稀疏，针对这种问题，这篇文章提出一种新的模型，神经分解机模型（Neural Factorization Machine ，NFM），该模型可以应对稀疏数据。该模型不仅可以对特征之间的二阶关联进行建模，而且可以利用神经网络对更高阶的特征关联进行建模。这样可以使得神经分解机模型相对FM表达能力更强，FM可以看做不含隐含层的神经分解机模型。

各方法初始化效果对比如下

神经分解机模型示例如下

下面是数据集统计信息

各方法效果对比如下

层数的影响如下

下面是多种方法在多个数据集上不同参数下的对比

代码地址

https://github.com/hexiangnan/neural_factorization_machine

该代码利用Python和Tensorflow实现

---