稀疏化的因子分解机

• 作者: 郭少成 陈松灿
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 因子分解机 稀疏 稀疏组Lasso 特征选择 推荐系统
• 年，卷（期）: 2017,（6）
• 页码范围: 816-822
• 页数: 7页
• 分类号: TP391
• 字数: 5364字
• 语种: 中文
• DOI: 10.11992/tis.201706030

摘要

因子分解机(简称为FM)是最近被提出的一种特殊的二阶线性模型,不同于一般的二阶模型,FM对二阶项系数进行了分解,这种特殊的结构使得FM特别适用于高维且稀疏的数据.虽然FM在推荐系统领域已获得了应用,但FM本身并未显式考虑变量的稀疏性,特别当变量中包含结构稀疏信息时.因此,FM的二阶特征结构使其特征选择时应当满足这样一种性质,即涉及同一个特征的线性项和二阶项要么同时被选要么同时不被选,当该特征是噪音时,应当同时不被选,而当该特征是重要变量时,应当同时被选.考虑到这种结构特性,本文提出了一种基于稀疏组Lasso的因子分解机(SGL-FM),通过添加稀疏组Lasso的正则项,不仅实现了组间稀疏,还实现了组内稀疏.从另一个角度看,组内稀疏也相当于对因子分解的维度k进行了控制,使其能根据数据的不同而自适应地调整维度k.实验结果表明,本文提出的方法在保证了相当精度甚至更优精度的情况下,获得了比FM更稀疏的模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈松灿	南京航空航天大学计算机科学与技术学院	120	1370	19.0	32.0
2	郭少成	南京航空航天大学计算机科学与技术学院	1	2	1.0	1.0