陈松灿
  • 招生学科专业:
    计算机科学与技术 -- 【招收博士、硕士研究生】 -- 计算机科学与技术学院
    软件工程 -- 【招收博士、硕士研究生】 -- 计算机科学与技术学院
    网络空间安全 -- 【招收硕士研究生】 -- 计算机科学与技术学院
    电子信息 -- 【招收博士、硕士研究生】 -- 计算机科学与技术学院
  • 学位:工学博士学位
  • 职称:教授
  • 所在单位:计算机科学与技术学院/人工智能学院/软件学院
电子邮箱:
所在单位:计算机科学与技术学院/人工智能学院/软件学院
学历:南京航空航天大学
毕业院校:杭州大学/上海交通大学/南京航空航天大学

当前位置: 中文主页 >> 科学研究 >> 论文成果
标题:
双曲因子分解机
点击次数:
所属单位:
计算机科学与技术学院/人工智能学院/软件学院
发表刊物:
计算机科学与探索
关键字:
因子分解机;双曲空间;推荐系统;表示学习;流形学习;
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,并导出了对应的黎曼梯度下降优化算法。在多个数据集上的实验结果表明,HFM在等量参数的情形下,获得了比FM更优的性能,同时揭示出了在FM中欠缺的特征间的层次关系,使之具有部分可解释性。
是否译文:
发表时间:
2019-06-13
合写作者:
王玮皓
通讯作者:
陈松灿
发表时间:
2019-06-13
扫一扫用手机查看