双曲因子分解机-计算机科学与探索.pdfVIP

计算机科学与探索 Journal of Frontiers of Computer Science and Technology doi: 10.3778/j.issn.1673-9418. 1905025 双曲因子分解机* 1,2 1,2+ 王玮皓 ，陈松灿 1.南京航空航天大学 计算机科学与技术学院，南京 211106 2.模式分析与机器智能工业和信息化部重点实验室，南京 211106 + 通讯作者E-mail : s.chen@ 摘 要：因子分解机(factorization machine ，FM) 自提出以来已被广泛用于推荐系统，为了捕捉特征间的二 阶交互，FM 将任意两个特征的二阶系数表示成欧氏空间中对应嵌入向量的内积。考虑到推荐场景中的对 象如商品、用户、属性、上下文信息等，可用具有层次结构的异构网络进行表达，而平坦的欧氏空间无法 刻画这种层次结构，限制了FM 的特征表示能力，为此提出了双曲因子分解机(hyperbolic FM ，HFM)。它 将每维特征表示为双曲空间而非欧氏空间中的向量，并利用双曲距离度量评估特征间的交互强度。选择双 曲空间是因为其被证明更适合树、图和词汇等具有层次结构的对象嵌入。文中分别设计了基于庞加莱球和 基于双曲面两种双曲空间模型的HFM ，并导出