基于因子分解机的推荐模型研究

针对传统推荐模型中无法处理稀疏大数据的缺点,提出了一种基于因子分解机(Factorization Machines,FM)的推荐模型。FM模型对所有的特征分量引入了辅助向量,改进了非线性的特征向量模型方程,并采用最小交替二乘法、随机梯度下降法和马尔科夫蒙塔罗法训练该模型。理论与实验结果证明了该模型在精确度以及速度上都优于传统模型。