因子分解机模型研究综述

作     者：赵衎衎 张良富 张静 李翠平 陈红 ZHAO Kan-Kan;ZHANG Liang-Fu;ZHANG Jing;LI Cui-Ping;CHEN Hong

作者机构：中国人民大学信息学院北京100872 数据工程与知识工程教育部重点实验室(中国人民大学)北京100872 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2019年第30卷第3期

页      面：799-821页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61772537 61772536 61702522 61532021) 

主　　题：因子分解机 高阶交互 特征选择 概率模型 凸优化 分布式框架 优化方法 

摘      要：传统矩阵分解方法因其算法的高可扩展性和较好的性能等特点,在预测、推荐等领域有着广泛的应用.然而大数据环境下,更多上下文因素的获取变得可能,传统矩阵分解方法缺乏对上下文信息的有效利用.在此背景下,因子分解机模型提出并流行.为了更好地把握因子分解机模型的发展脉络,促进因子分解机模型与应用相结合,针对因子分解机模型及其算法进行了综述.首先,对因子分解机模型的提出进行了溯源,介绍了从传统矩阵分解到因子分解机模型的演化过程;其次,从模型准确率和效率两方面对因子分解机模型存在的基本问题和近年来的研究进展进行了总结,然后综述了适用于因子分解机模型求解的4种代表性优化算法;最后分析了因子分解机模型目前仍存在的问题,提出了可能的解决思路,并对未来的研究方向进行了展望.