一种基于自适应交替方向法的非负隐因子模型
机器学习
2022-04-12 v1
摘要
基于交替方向法的非负隐因子模型能够对高维不完全(HDI)矩阵进行高效表示学习。然而，它将多个超参数引入学习过程，需谨慎选择以实现其优越性能。其超参数自适应对于进一步增强可扩展性十分必要。针对此问题，本文提出一种自适应交替方向法非负隐因子(A2NLF)模型，其超参数自适应遵循粒子群优化原理实现。由工业应用生成的非负HDI矩阵上的实证研究表明，A2NLF在计算与存储效率上优于若干当前最优(state-of-the-art)模型，且对HDI矩阵缺失数据保持高度竞争的估计精度。
引用
@article{arxiv.2204.04843,
title = {An Adaptive Alternating-direction-method-based Nonnegative Latent Factor Model},
author = {Yurong Zhong and Xin Luo},
journal= {arXiv preprint arXiv:2204.04843},
year = {2022}
}