一种集成比例-积分控制器的 SGD 算法用于高效潜在因子分析
机器学习
2025-08-26 v1
摘要
在工业大数据场景中，高维稀疏矩阵（HDI）广泛用于表征大规模节点之间的高阶相互作用关系。基于随机梯度下降的潜在因子分析（SGD-LFA）方法可以有效提取 HDI 矩阵中嵌入的深层特征信息。然而，现有的 SGD-LFA 方法存在显著局限性：其参数更新过程仅依赖当前样本的瞬时梯度信息，未能融合来自历史迭代的累积经验知识或考虑样本之间的内在相关性，导致收敛速度慢、泛化性能次优。因此，本文提出 PILF 模型，通过开发一种集成相关实例并通过比例-积分（PI）控制机制整合当前和历史信息的 PI 加速 SGD 算法来实现。比较实验表明，PILF 模型在 HDI 矩阵上的表征能力优于现有方法。
引用
@article{arxiv.2508.17609,
title = {A Proportional-Integral Controller-Incorporated SGD Algorithm for High Efficient Latent Factor Analysis},
author = {Jinli Li and Shiyu Long and Minglian Han},
journal= {arXiv preprint arXiv:2508.17609},
year = {2025}
}