Was ist Field-aware FM (FFM)?

Feldbewusste Faktorisierungsmaschinen (FFM) sind eine Erweiterung der klassischen Faktorisierungsmaschinen (FM), die die Zugehörigkeit von Merkmalen zu verschiedenen Feldern berücksichtigt. Bei normalen FM werden Interaktionen zwischen Merkmalen durch Vektorrepräsentationen modelliert, aber sie unterscheiden nicht, aus welchem Feld jedes Merkmal stammt.

In FFM werden für jedes Merkmal mehrere Vektoren erstellt, einen für jedes Feld, mit dem dieses Merkmal interagieren kann. Dies ermöglicht es dem Modell, die Besonderheiten der Interaktion zwischen Merkmalen aus verschiedenen Datenbereichen genauer zu erfassen, was besonders bei Empfehlungssystemen und CTR-Vorhersagen nützlich ist.

Beispiel: Wenn Sie Merkmale aus den Feldern "Benutzer" und "Produkt" haben, berücksichtigt FFM, dass die Interaktion des Benutzer-Merkmals mit dem Produkt-Merkmal sich von der Interaktion mit einem anderen Feld, z.B. "Zeit", unterscheidet.

Auf diese Weise erhöht FFM die Genauigkeit des Modells durch eine feinere Abstimmung der Interaktionen zwischen Merkmalen, die verschiedenen Kategorien angehören.