063 | 基于隐变量的模型之三：分解机

该思维导图由 AI 生成，仅供参考

“分解机”是一种基于隐变量的推荐技术，通过结合“基于内容的推荐系统”和“基于回归的隐变量模型”的思想，解决了矩阵分解和基于回归的隐变量模型存在的问题。相比于传统模型，分解机的输入是所有的显式变量，它不仅直接对显式变量进行建模，还对显示变量的两两关系进行建模。这种两两配对的特征可以有效地抓取到特性之间的交互信息，但也会导致特性空间急速增长和稀疏矩阵问题。为了解决这些问题，分解机利用了矩阵分解的降维思路，将显式特性的乘积分解为隐变量的点积，成功地将隐变量和显式变量结合到了一起。在实际应用中，分解机的训练过程大大简化，常使用“随机梯度下降”进行求解。由于其简单易用的特点，分解机在Kaggle比赛和一些工业级应用中成为了核心算法。总的来说，分解机通过巧妙地结合显式变量和隐变量，解决了传统模型的一些问题，成为了主流的推荐模型之一。