1、背景

在计算广告和推荐系统中，CTR预估(click-through rate)是非常重要的一个环节，判断一个商品的是否进行推荐需要根据CTR预估的点击率来进行。在进行CTR预估时，除了单特征外，往往要对特征进行组合。对于特征组合来说，业界常用的方法有人工特征工程 + LR（Logistic Regression）、GBDT（Gradient Boosting Decision Tree） + LR、FM（Factorization Machine）和FFM（Field-aware Factorization Machine）模型。最近几年也出现了很多基于FM改进的方法，如deepFM，FNN，PNN，DCN，xDeepFM等。

2、动机（one-hot编码带来的问题）

FM(Factorization Machine)主要是为了解决数据稀疏的情况下，特征怎样组合的问题。已一个广告分类的问题为例，根据用户与广告位的一些特征，来预测用户是否会点击广告。数据如下：(本例来自美团技术团队分享的paper)

图1、训练数据

clicked是分类值，表明用户有没有点击该广告。1表示点击，0表示未点击。而country,day,ad_type则是对应的特征。对于这种categorical特征，一般都是进行one-hot编码处理。

将上面的数据进行one-hot编码以后，就变成了下面这样：

图2、经过one-hot

因为是categorical特征，所以经过one-hot编码以后，不可避免的样本的数据就变得很稀疏。举个非常简单的例子，假设淘宝或者京东上的item为100万，如果对item这个维度进行one-hot编码，光这一个维度数据的稀疏度就是百万分之一。由此可见，数据的稀疏性，是我们在实际应用场景中面临的一个非常常见的挑战与问题。

one-hot编码带来的另一个问题是特征空间变大。同样以上面淘宝上的item为例，将item进行one-hot编码以后，样本空间有一个categorical变为了百万维的数值特征，特征空间一下子暴增一百万。所以大厂动不动上亿维度，就是这么来的。

3、对特征进行组合

普通的线性模型，我们都是将各个特征独立考虑的，并没有考虑到特征与特征之间的相互关系。但实际上，大量的特征之间是有关联的。最简单的以电商为例，一般女性用户看化妆品服装之类的广告比较多，而男性更青睐各种球类装备。那很明显，女性这个特征与化妆品类服装类商品有很大的关联性，男性这个特征与球类装备的关联性更为密切。如果我们能将这些有关联的特征找出来，显然是很有意义的。

一般的线性模型为：
y(x)=w0+∑i=1nwixiy(x)=w_{0} +\sum_{i=1}^n{w_{i} }x_{i} y(x)=w0+i=1∑nwixi

从上面的式子很容易看出，一般的线性模型压根没有考虑特征间的关联。为了表述特征间的相关性，我们采用多项式模型。在多项式模型中，特征xix_{i}xi 与xjx_{j}xj 的组合用xixjx_{i} x_{j}xixj 表示。为了简单起见，我们讨论二阶多项式模型。具体的模型表达式如下：

为了简单起见，我们只考虑二阶交叉的情况，具体的模型如下：
y(x)=w0+∑i=1nwixi+∑i=1n∑j=i+1nwijxixjy(x)=w_{0} +\sum_{i=1}^n{w_{i} x_{i} }+\sum_{i=1}^{n} \sum_{j=i+1}^n w_{ij} x_{i} x_{j}y(x)=w0+i=1∑nwixi+i=1∑nj=i+1∑nwijxixj

式中，n表示样本的特征数量,xix_{i}xi 表示第i个特征，与线性模型相比，FM的模型就多了后面特征组合的部分。

4、FM求解

从FM公式可以看出，组合特征的参数一共有 n(n−1)/2个，任意两个参数都是独立的。然而，在数据稀疏性普遍存在的实际应用场景中，二次项参数的训练是很困难的。其原因是，每个参数wijw_{ij}wij 的训练需要大量xix_{i}xi 和xjx_{j}xj 都非零的样本；由于样本数据本来就比较稀疏，满足xix_{i}xi 和xjx_{j}xj 都非零”的样本将会非常少。训练样本的不足，很容易导致参数 wijw_{ij}wij 不准确，最终将严重影响模型的性能。

那么，如何解决二次项参数的训练问题呢？矩阵分解提供了一种解决思路。在model-based的协同过滤中，一个rating矩阵可以分解为user矩阵和item矩阵，每个user和item都可以采用一个隐向量表示。比如在下图中的例子中，我们把每个user表示成一个二维向量，同时把每个item表示成一个二维向量，两个向量的点积就是矩阵中user对item的打分。

3、矩阵分解

类似地，所有二次项参数wijw_{ij}wij 可以组成一个对称阵W（为了方便说明FM的由来，对角元素可以设置为正实数），那么这个矩阵就可以分解为W=VTVW=V^T VW=VTV，V的第j列便是第j维特征的隐向量。换句话说，每个参数xij=<vi,vj>x_{ij} = <v_{i}, v_{j}>xij=<vi,vj>，这就是FM模型的核心思想。因此，FM的模型方程为（本文不讨论FM的高阶形式）
y(x)=w0+∑i=1nwixi+∑i=1n∑j=i+1n<vi,vj>xixjy(x)=w_{0}+ \sum_{i=1}^n w_{i} x_{i}+ \sum_{i=1}^{n} \sum_{j=i+1}^n <v_{i}, v_{j}> x_{i} x_{j}y(x)=w0+i=1∑nwixi+i=1∑nj=i+1∑n<vi,vj>xixj

其中，viv_{i}vi 是第i维特征的隐向量，<.,.>代表向量点积。隐向量的长度为k(k<<n)，二次项的参数数量减少为kn个，远少于多项式模型的参数数量。另外，参数因子化使得xhxjx_{h}x_{j}xhxj的参数和xixjx_{i}x_{j}xixj的参数不再是相互独立的，因此我们可以在样本稀疏的情况下相对合理地估计FM的二次项参数。具体来说，xhxix_{h} x_{i}xhxi 和xixjx_{i} x_{j}xixj 的系数分别为 <vh,vi><v_{h} ,v_{i} ><vh,vi>和<vi,vj><v_{i} ,v_{j} ><vi,vj> ，它们之间有共同项viv_{i}vi 。也就是说，所有包含"xix_{i}xi 的非零组合特征"（存在某个j≠ij \neq ij=i，使得xixj≠0x_{i} x_{j} \neq 0xixj=0）的样本都可以用来学习隐向量 vivivivivivi，这很大程度上避免了数据稀疏性造成的影响。而在多项式模型中，whiw_{hi}whi和wijw_{ij}wij 是相互独立的。

显而易见，FM的模型公式是一个通用的拟合方程，可以采用不同的损失函数用于解决回归、二元分类等问题，比如可以采用MSE（Mean Square Error）损失函数来求解回归问题，也可以采用Hinge/Cross-Entropy损失来求解分类问题。当然，在进行二元分类时，FM的输出需要经过sigmoid变换，这与Logistic回归是一样的。直观上看，FM的复杂度是O(kn^2)。但是，通过下面的等式，FM的二次项可以化简，其复杂度可以优化到O(kn) 。由此可见，FM可以在线性时间对新样本作出预测。
∑i=1n∑j=i+12<vi,vj>=12∑f=1k((∑i=1nxi,fxi2)2−∑i=1nxi,f2xi2)\sum_{i=1}^n \sum_{j=i+1}^2 <v_{i},v_{j}>=\frac{1}{2}\sum_{f=1}^k ((\sum_{i=1}^n x_{i,f}x_{i} ^2)^2-\sum_{i=1}^nx_{i,f}^2 x_{i} ^2)i=1∑nj=i+1∑2<vi,vj>=21f=1∑k((i=1∑nxi,fxi2)2−i=1∑nxi,f2xi2)

图4、推导过程

图5、二次项化简

我们再来看一下FM的训练复杂度，利用SGD（Stochastic Gradient Descent）训练模型。模型各个参数的梯度如下：

图6、求解参数梯度

其中，xj,fx_{j,f}xj,f是隐向量vjv_{j}vj 的第f个元素。由于∑j=1nxj,fxj\sum\nolimits_{j=1}^n x_{j,f}x_{j}∑j=1nxj,fxj 只与f有关，而与i无关，在每次迭代过程中，只需计算一次所有f的∑j=1nxj,fxj\sum\nolimits_{j=1}^n x_{j,f}x_{j}∑j=1nxj,fxj ，就能够方便地得到所有vj,fv_{j,f}vj,f的梯度。显然，计算所有f的∑j=1nxj,fxj\sum\nolimits_{j=1}^n x_{j,f}x_{j}∑j=1nxj,fxj 的复杂度是O(kn)；已知∑j=1nxj,fxj\sum\nolimits_{j=1}^n x_{j,f}x_{j}∑j=1nxj,fxj 时，计算每个参数梯度的复杂度是O(1)；得到梯度后，更新每个参数的复杂度是O(1)；模型参数一共有nk+n+1个。因此，FM参数训练的复杂度也是O(kn)。综上可知，FM可以在线性时间训练和预测，是一种非常高效的模型。

5、代码练习

libFM

参考文献：
论文：Factorization Machines

论文：Factorization Machines with Follow-The-Regularized-Leader for CTR prediction in Display Advertising

推荐系统遇上深度学习(一)–FM模型理论和实践

FM（Factorization Machines）的理论与实践

深入FFM原理与实践-美团

推荐好文：深度学习在CTR预估中的应用

《推荐系统》-FM模型相关推荐

推荐系统 - FM模型原理和实践
本文收录在推荐系统专栏,专栏系统化的整理推荐系统相关的算法和框架,并记录了相关实践经验,所有代码都已整理至推荐算法实战集合(hub-recsys). 目录一. FM概述二. FM原理 2.1 模型 ...
推荐系统召回四模型之全能的FM模型
作者 | 张俊林作者简介:中国中文信息学会理事,中科院软件所博士.目前在新浪微博 AI Lab 担任资深算法专家.在此之前,张俊林曾经在阿里巴巴任资深技术专家并负责新技术团队,以及在百度和用友担任技 ...
FM模型及其在推荐系统中的应用
推荐模型或者推荐场景下的排序模型,您脑子里第一个念头冒出的模型是哪个或哪几个? 如果你第一念头冒出来的仍然是SVD/矩阵分解啥的,那么明显你还停留在啃书本的阶段,实践经验不足:如果你第一念头是LR模型 ...
推荐系统的矩阵分解和FM模型
文章目录一. 隐语义模型与矩阵分解 1 .矩阵分解理解 2. 隐语义模型 3. 矩阵分解算法的原理 4. 矩阵分解算法的求解 6. 编程实现 7.矩阵分解的优缺点分析二.FM模型算法 1.FM模型 ...
推荐系统召回四模型之：全能的FM模型
原文地址:https://zhuanlan.zhihu.com/p/58160982?utm_source=ZHShareTargetIDMore&utm_medium=social& ...
推荐系统FM系列文章（一）-- FM模型
0. 写在前面推荐系统相关从业人员肯定对FM(Factorization Machines)模型不会感到陌生,工业界及学术界在FM的基础上也提出了一系列优化模型,这些模型至今仍广泛应用于各类场景.本 ...
推荐系统与深度学习（一）——FM模型原理
作者:livan 来源:数据python与算法前言简单的机器学习模型构建往往假设各个特征之间相互独立,并基于特征独立进行模型训练,例如:LR.SVM: 但是实际场景中特征往往存在相互关联的,比如: ...
mf模型 svd++_算法小板报(六)——初探MF(矩阵分解)和FM模型
一.简介矩阵分解(Matrix Factorization,MF)是推荐系统中非常经典的一个算法,虽然现今工业界直接使用的较少,但其背后蕴含的编码降维思想,得以广泛应用于推荐领域之中.本文则主要来梳 ...
机器学习从入门到精通150讲（一）-推荐系统经典模型Wide Deep（附部分代码）
前言在大规模特征的场景当中,我们通常(2016年之前)是使用将非线性特征应用在线性模型上的做法来实现的,使用这种方式,我们的输入会是一个非常稀疏的向量.虽然我们要实现这样的非线性特征,通过一些特征转 ...

《推荐系统》-FM模型