tensorFM：跨阶特征交互的低秩近似
机器学习
2026-02-18 v1 信息检索
摘要
我们解决针对表格分类数据的预测问题，其中每个实例由多个分类属性定义，每个属性的值来自有限集合。这些属性常被称为字段，其分类值为特征。此类问题在实际应用中经常出现，包括点击sthrough rate prediction 和社会科学领域。我们介绍并分析了 tensorFM—a 一种通过低秩张量近似高效捕获属性之间高阶交互的新模型，张量近似表示了这些交互的强度。我们的模型概括了field加权因子分解机。经验上，tensorFM 在与最先进方法的竞争中表现出色。此外，其低延迟使其特别适用于线上广告等时间敏感型应用。
引用
@article{arxiv.2602.15229,
title = {tensorFM: Low-Rank Approximations of Cross-Order Feature Interactions},
author = {Alessio Mazzetto and Mohammad Mahdi Khalili and Laura Fee Nern and Michael Viderman and Alex Shtoff and Krzysztof Dembczyński},
journal= {arXiv preprint arXiv:2602.15229},
year = {2026}
}