Qu'est-ce que le Field-aware FM (FFM) ?

Les Machines de Factorisation sensibles au champ (FFM) sont une extension des Machines de Factorisation classiques (FM), qui prennent en compte l’appartenance des caractéristiques à différents champs. Dans les FM classiques, les interactions entre caractéristiques sont modélisées à l’aide de représentations vectorielles, mais elles ne distinguent pas de quel champ provient chaque caractéristique.

Dans FFM, plusieurs vecteurs sont créés pour chaque caractéristique, un pour chaque champ avec lequel cette caractéristique peut interagir. Cela permet au modèle de capturer plus précisément les particularités de l’interaction entre caractéristiques de différentes zones de données, ce qui est particulièrement utile dans les tâches de systèmes de recommandation et de prévision CTR.

Exemple : si vous avez des caractéristiques provenant des champs "utilisateur" et "produit", FFM tiendra compte du fait que l’interaction entre la caractéristique utilisateur et la caractéristique produit diffère de l’interaction avec une autre caractéristique, par exemple, "temps".

Ainsi, FFM améliore la précision du modèle grâce à un réglage plus fin des interactions entre caractéristiques appartenant à différentes catégories.