[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