作者：张华南因子分解特征向量稀疏性推荐评估
摘要：本文结合支持向量机（Support Vector Machines,缩写为SVM）的优点,介绍了一种新的用于因子分解的模型—因子分解机（Factorization Machines,缩写为FM）。与SVM相似,FM针对特征向量给出综合预测。与SVM相比,FM使用分解的因子参数,在变量中对交互行为建模,甚至在SVM无法解决的稀疏性（如推荐系统）等问题中,FM也可以用于评估交互行为。通过在线性时间中计算FM模型方程式,可以直接优化FM。不像非线性的SVM,FM不需要转换,模型参数可以直接估计出来,而不用任何支持向量。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
