上下文分解机自适应更新策略.PDF

第 43 卷第9 期 计算机科学 Vo1. 43 No.9 2016 年 9 月 Computer Science Sep 2016 上下文分解机的自适应更新策略 姚杳1 朱福喜1 阳小兰2 郑麟1 刘世超1 (武汉大学计算机学院 武汉 430072)1 (武昌理工学院信息工程学院 武汉 430223)2 摘 要 分解机模型已经被成功应用于上下文推荐系统。在分解机模型的学习算法中，交替最小二乘法是一种固定 其他参数只求羊一参数最优值的学习算法，其参数数目影响计算复杂度。然而当特征数目很大时，参数数目随着特征 数目急剧增加，导致计算复杂度很高;即使有些参数已经达到了最优佳，每次迭代仍更新所有的参数。因此，主要改进 了交替最小二乘法的参数更新策略，为参数引入自适应误差指标，通过权重和参数绝对误差共同决定该参数更新与 否，使得每次迭代时重点更新最近两次迭代取值变化较大的参数。这种仅更新自适应误差大于阂值的参数的策略不 但减少了需要更新的参数数目，进而加快了算法收敛的速度和缩短了运行时间，而且参数权重由误差决定，又修正了 误差。在 Yahoo 和 Movielens 数据集上的实验结果证明:改进的参数更新策略运行效率有明显提高。 关键词 分解机模型，交替最小二乘法，推荐系统，自适应误差 中图法分类号 TP181 文献标识码 A 001 10. 11896/j. issn. 1002-137叉 2016.9.013 Adaptive Parameters Updating Strategy of Context-aware Factorization Machines YAO Xing1 ZHU Fu-xi 1 YANG Xiao-lan2 ZHENG Lin1 LIU Shi-chao1 CSchool of Computer ,Wuhan University ,Wuhan 430072 ,China) 1 (School of Information Engineeri吨，Wuchang University of Technology ,Wuhan 430223 ,China) 2 Abstract Context-aware factorization machine has been successfully applied in the context-aware recommendation sys tem. In the learning algorithm of factorization machines ,alternating least-squares is a learning algorithm that fixes other parameters just to find the optimal value of a single parameter ,and the number of parameters and the sample size will affect the computational complexity. However ,when the number of features is large ,the number of parameters increases along with the increase of the number of features ,resulting in high computational complexity. Even though some p缸沮丑t ters have achieved the opt