ฉันเจอคำว่าเครื่องแยกตัวประกอบในระบบผู้แนะนำ ฉันรู้ว่า Matrix Factorization สำหรับระบบผู้แนะนำ แต่ไม่เคยได้ยินเกี่ยวกับเครื่องแยกตัวประกอบ ดังนั้นความแตกต่างคืออะไร?
ฉันเจอคำว่าเครื่องแยกตัวประกอบในระบบผู้แนะนำ ฉันรู้ว่า Matrix Factorization สำหรับระบบผู้แนะนำ แต่ไม่เคยได้ยินเกี่ยวกับเครื่องแยกตัวประกอบ ดังนั้นความแตกต่างคืออะไร?
คำตอบ:
เมทริกซ์การแยกตัวประกอบเป็นวิธีการที่ดี, แยกตัวประกอบเมทริกซ์ มันทำหน้าที่หนึ่งในการแยกเมทริกซ์ออกเป็นสองเมทริกซ์เพื่อให้ผลิตภัณฑ์ของพวกเขาตรงกับเมทริกซ์ดั้งเดิม
แต่เครื่องแยกตัวประกอบค่อนข้างเป็นธรรมชาติในธรรมชาติเมื่อเทียบกับ Matrix Factorization การกำหนดปัญหาเองนั้นแตกต่างกันมาก มันถูกกำหนดเป็นแบบจำลองเชิงเส้นโดยมีการโต้ตอบระหว่างคุณลักษณะเป็นพารามิเตอร์เพิ่มเติม การทำงานร่วมกันของฟีเจอร์นี้เกิดขึ้นในการแสดงพื้นที่แฝงแทนรูปแบบธรรมดา ดังนั้นการโต้ตอบกับคุณสมบัติเช่นใน Matrix Factorization จึงต้องใช้น้ำหนักเชิงเส้นของคุณสมบัติที่แตกต่างกัน
ดังนั้นเมื่อเปรียบเทียบกับ Matrix Factorization นี่คือความแตกต่างที่สำคัญ:
กระดาษที่ใช้ร่วมกันในคำตอบก่อนหน้าคือกระดาษต้นฉบับที่พูดถึง FMs มันมีตัวอย่างที่ดีเช่นกันว่า FM คืออะไร
การแยกตัวประกอบแบบเมทริกซ์เป็นรูปแบบการแยกตัวประกอบที่แตกต่างกัน จากบทความเกี่ยวกับ FM :
มีตัวแบบการแยกตัวประกอบจำนวนมากเช่นเมทริกซ์การแยกตัวประกอบการวิเคราะห์ตัวประกอบแบบขนานหรือโมเดลพิเศษเช่น SVD ++, PITF หรือ FPMC ข้อเสียเปรียบของโมเดลเหล่านี้คือมันไม่สามารถใช้ได้กับงานการทำนายทั่วไป แต่ทำงานได้กับข้อมูลอินพุตพิเศษเท่านั้น นอกจากนี้ยังมีสมการโมเดลและอัลกอริธึมการปรับให้เหมาะสมแต่ละงาน เราแสดงให้เห็นว่า FM สามารถเลียนแบบโมเดลเหล่านี้เพียงแค่ระบุข้อมูลอินพุต (เช่นเวกเตอร์คุณลักษณะ) สิ่งนี้ทำให้ FMs สามารถใช้งานได้ง่ายแม้กับผู้ใช้ที่ไม่มีความรู้ในแบบจำลองการแยกตัวประกอบ
จาก libfm.org:
"Factorization Machines (FM) เป็นวิธีการทั่วไปที่อนุญาตให้เลียนแบบโมเดลการแยกตัวประกอบส่วนใหญ่โดยคุณสมบัติทางวิศวกรรมด้วยวิธีนี้เครื่องแยกตัวประกอบรวมความเป็นสากลของคุณสมบัติวิศวกรรมกับความเหนือกว่าของตัวแบบการแยกตัวประกอบในการประมาณค่าปฏิสัมพันธ์ระหว่างตัวแปรเด็ดขาด
เป็นเพียงส่วนขยายของคำตอบของ Dileep
หากคุณลักษณะเฉพาะที่เกี่ยวข้องเป็นตัวแปรเด็ดขาดสองรายการ (เช่นผู้ใช้และรายการ) ดังนั้น FM จะเท่ากับรูปแบบการแยกตัวประกอบเมทริกซ์ แต่ FM สามารถนำไปใช้กับฟีเจอร์ที่มีคุณค่ามากกว่าสองอย่างได้อย่างง่ายดาย