Motivated by the needs of online large-scale recommender systems, we specialize the decoupled extended Kalman filter (DEKF) to factorization models, including factorization machines, matrix and tensor factorization, and illustrate the effectiveness of the approach through numerical experiments on synthetic and on real-world data. Online learning of model parameters through the DEKF makes factorization models more broadly useful by (i) allowing for more flexible observations through the entire exponential family, (ii) modeling parameter drift, and (iii) producing parameter uncertainty estimates that can enable explore/exploit and other applications. We use a different parameter dynamics than the standard DEKF, allowing parameter drift while encouraging reasonable values. We also present an alternate derivation of the extended Kalman filter and DEKF that highlights the role of the Fisher information matrix in the EKF.


翻译:基于在线大型推荐人系统的需求,我们专门将分解的扩展卡尔曼过滤器(DEKF)专门用于保理模型,包括保理机、矩阵和加分因子,并通过合成数据和现实世界数据的数字实验来说明这一方法的有效性。通过DEKF在线学习模型参数使保理模型更为广泛有用,其方法是:(一) 允许在整个指数式大家庭中进行更灵活的观察,(二) 参数漂移模型,以及(三) 提出参数不确定性估计,以便能够进行探索/开发和其他应用。我们使用不同于标准的DEKF的参数动态,允许参数漂移,同时鼓励合理的价值。我们还介绍了扩展的卡尔曼过滤器和DEKF的替代衍生,以突出渔业信息矩阵在EKF中的作用。

0
下载
关闭预览

相关内容

卡尔曼滤波是一种高效率的递归滤波器(自回归滤波器),它能够从一系列的不完全及包含噪声的测量中,估计动态系统的状态。
【干货书】机器学习速查手册,135页pdf
专知会员服务
127+阅读 · 2020年11月20日
专知会员服务
38+阅读 · 2020年9月27日
【机器学习术语宝典】机器学习中英文术语表
专知会员服务
61+阅读 · 2020年7月12日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
111+阅读 · 2020年5月15日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
159+阅读 · 2019年10月12日
机器学习相关资源(框架、库、软件)大列表
专知会员服务
40+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
已删除
将门创投
9+阅读 · 2018年12月19日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
Arxiv
0+阅读 · 2021年4月16日
Arxiv
0+阅读 · 2021年4月15日
Arxiv
3+阅读 · 2017年12月14日
VIP会员
相关VIP内容
相关资讯
已删除
将门创投
9+阅读 · 2018年12月19日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
Top
微信扫码咨询专知VIP会员