DexDeepFM：集成多样性增强的极端深度分解机模型
机器学习
2021-12-13 v2
摘要
预测用户正向响应（如购买和点击）概率是Web应用中的一项关键任务。为从原始数据中识别预测特征，最先进的极端深度分解机模型（xDeepFM）引入了一种新的交互网络，以显式利用向量级的特征交互。然而，由于交互网络中的每一隐藏层都是特征图的集合，其本质上可视为不同特征图的集成。在此情况下，仅使用单一目标最小化预测损失可能导致过拟合并产生相关误差。本文提出一种集成多样性增强的极端深度分解机模型（DexDeepFM），其在每一隐藏层设计集成多样性度量，并在目标函数中同时考虑集成多样性与预测精度。此外，引入注意力机制以区分不同特征交互阶数的集成多样性度量的重要性。在三个公开真实世界数据集上的大量实验表明了所提模型的有效性。
引用
@article{arxiv.2104.01924,
title = {DexDeepFM: Ensemble Diversity Enhanced Extreme Deep Factorization Machine Model},
author = {Ling Chen and Hongyu Shi},
journal= {arXiv preprint arXiv:2104.01924},
year = {2021}
}
备注
Accepted by TKDD