19推荐系统12FM——TensorFlow2实现

Posted 2022-03-25 炫云云

文章目录

• 简介
• • 首先对特征进行one-hot编码
• FM模型——隐向量特征交叉
• • tensorflow2实现
  • 梯度下降法学习
  • • 交叉熵损失函数
  • 损失函数加入正则项与截取梯度
  • 参考

简介

FM模型通过不同组合不同的特征，解决推荐系统中数据稀疏的问题。

FM模型吸收了矩阵分解模型的优点，使用特征项隐藏向量训练获得预测模型。此模型可以用于评分预测，点击率预测。对所有变量间的二阶相互作用进行建模，能够很好的处理数据稀疏情况下各个变量间的相互作用。

缺点是对不同特征进行特征组合，没有考虑有些特征是属于同一个领域的，二是只考虑到二阶特征组合，并没有对高阶的特征组进行建模。

首先对特征进行one-hot编码

FM模型为了解决推荐用户——物品数据稀疏的情况下，各个特征组合的问题，以电视节目点击为例，用户对什么电视节目感兴趣，并预测是否会点击新的电视剧。