因子分解机系列--FM
1.FM背景
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。目前主要应用于CTR预估以及推荐系统中的概率计算。下图是一个广告分类的问题，根据用户和广告位相关的特征，预测用户是否点击了广告。图片来源，详见参考1。
如上图，clicked?为要预测label，由Country，Day，Ad_type三列共同决定。由于此三列都为category类别特征，很多模型不能直接用其来预测，所以需要先转化为one-hot特征，即：
对于one-hot编码后的特征，可以看到目前是7维，但对每一条样本，平均只有3维特征有非0值，换言之样本数据是很稀疏的，特别是在电商领域，例如一个商品品类有几百种，那么one-hot后就是几百个特征就只有一列值为1。
正如上图中数据，在某些特征经过关联之后，与label之间的相关性就会提高。例如，“USA”与“Thanksgiving”、“China”与“Chinese New Year”。这种关联特征也很符合我们的主观逻辑，比如'女'和'化妆品'、'男'和'篮球'。因此，引入两个特征的组合作为新特征是非常有意义的。
2.FM模型
多项式模型是包含特征组合的最直观的模型。在多项式模型中，特征 xi 和 xj 的组合采用 xixj 表示，即 xi 和 xj 都非零时，组合特征 xixj 才有意义。模型如下：
\[ y=w_0+\sum_{i=1}^{n}w_i*x_i+\sum_{i=1}^{n-1}\sum_{j=i+1}^{n}w_{ij}*x_i*x_j \quad\quad \text{(1)} \]
其中，n 代表样本的特征数量，xi 是第 i 个特征的值，w0、wi、wij 是模型参数。这里我认为还有i的取值为1到n-1，j的取值是i+1到n，因为特征自己与自己结合没有意义。（虽然很多资料都是1到n，如果有错请指出）相较与一般的线性模型，FM模型多了后半部分，也就是特征组合的部分。
从公式(1)可以看出，组合特征的参数一共有 n*(n−1)/2 个，因为特征要两两组合，而任意两个参数都是独立的。对于每个wij都需要xi和xj都非0的样本来训练，而样本数据又很稀疏，可想而知wij应该不会训练的太准确。
3.FM求解
问题来了，如何求解二次项次数呢？很自然的想到了矩阵分解。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。比如下图，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，(这里也就是k=2) 两个向量的点积就是矩阵中user对item的打分。
所有二次项的系数构成一个二维矩阵W，这个矩阵就可以分解为 W=VV^T,V的第i行便是第i维特征的隐向量。换句话说，每个参数Wij = <Vi,Vj>。那现在要求Wij只要能求出辅助向量vi和vj即可。V定义如下：
\[ V = \begin{pmatrix} v_{11} & v_{12}& ... &v_{1n} \\ v_{21} & v_{22}& ... &v_{2n} \\ \vdots &\vdots &\ddots &\vdots\\ v_{n1} & v_{n2}& ... &v_{nn} \\ \end{pmatrix}_{n\times k} = \begin{pmatrix} v_1\\ v_2\\ \vdots\\ v_n \end{pmatrix} \]
那么Wij可以表示为:\[ \hat{W} = VV^{T} = \begin{pmatrix} v_1\\ v_2\\ \vdots\\ v_n \end{pmatrix}(v_1^T \ v_2^T \ ... \ v_n^T) \] 那么相应的W不就可以表示为：\[ \hat{W} = VV^{T} = \begin{pmatrix} v_{1}^Tv_{1} & v_{1}^Tv_{2} & ... &v_{1}^Tv_{n}\\ v_{2}^Tv_{1} & v_{2}^Tv_{2}& ... &v_{2}^Tv_{n} \\ \vdots &\vdots &\ddots &\vdots\\ v_{n}^Tv_{1} & v_{n}^Tv_{2} & ... &v_{n}^Tv_{n} \\ \end{pmatrix}_{n\times n} = \begin{pmatrix} v_{1}^Tv_{1} & \hat{w}_{12} & ... &\hat{w}_{1n}\\ \hat{w}_{21} & v_{2}^Tv_{2}& ... &\hat{w}_{2n} \\ \vdots &\vdots &\ddots &\vdots\\ \hat{w}_{n1} & \hat{w}_{n2} & ... &v_{n}^Tv_{n} \\ \end{pmatrix}_{n\times n} \quad\quad \text{(2)} \] 而我们要求的二次项系数，即是VV^T矩阵对角线的右下或左下部分。当然这里只考虑的是二阶多项式模型。此时FM模型应为：\[ y=w_0+\sum_{i=1}^{n}w_i*x_i+\sum_{i=1}^{n-1}\sum_{j=i+1}^{n}<V_i, V_j>x_ix_j \quad\quad \text{(3)} \]
<Vi,Vj>其实就是向量的点乘。根据(3)式，我们来计算下复杂度。这里设V为k维。(我是这样计算的，如果有差别也应该是常数的差别)。
\[ 1 + (n+n-1) + [\frac{n(n+1)}{2}(k+k-1) + \frac{n(n+1)}{2}] = O(kn^2) \] 不过这里可以对(3)式进行化简，时间复杂度就可以减少为线性的了。具体如下，这里记住Wij是W矩阵去除主对角线的一半就很好理解了。\[ \sum_{i=1}^{n-1}\sum_{j=i+1}^{n}<V_i, V_j>x_ix_j \\ =\frac{1}{2}(\sum_{i=1}^{n}\sum_{j=1}^{n}<v_i,v_j>x_ix_j \ - \ \sum_{i=1}^{n}<v_i,v_j>x_ix_i) \\ =\frac{1}{2}(\sum_{i=1}^{n}\sum_{j=1}^{n}\sum_{f=1}^{k}v_{if}v_{jf}x_ix_j \ - \ \sum_{i=1}^{n}\sum_{f=1}^{k}v_{if}v_{jf}x_ix_i) \\ =\frac{1}{2}\sum_{f=1}^{k}[(\sum_{i=1}^{n}v_{if}x_i)(\sum_{j=1}^{n}v_{jf}x_j) \ - \ \sum_{i=1}^{n}v_{if}^2x_i^2] \\ =\frac{1}{2}\sum_{f=1}^{k}[(\sum_{i=1}^{n}v_{if}x_i)^2 \ - \ \sum_{i=1}^{n}v_{if}^2x_i^2] \quad\quad \text{(4)} \\ \]
利用SGD来训练参数，
\[ \frac{\partial\hat{y}}{\partial\theta}= \left\{ \begin{aligned} & 1 & &\quad if \ \theta = w_0&\\ & x_i& &\quad if \ \theta = w_i& \\ &x_i\sum_{j=1}^{n}v_{j,f}x_j - v_{j,f}x_i^2& &\quad if \ \theta = v_{i,f}&\\ \end{aligned} \right. \]
对于当Theta=Vif时，第一个求和公式中
是与i无关的，在每次迭代过程中，只需计算一次所有 f 的，就可以求得所有 vi,f 的梯度。显然计算所有f的的复杂度是O(kn),此时再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也是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。 4.相关代码
Github:
参考github上大佬的FM-tensorflow实现(加了些注释，捂脸)。代码主要部分就是在函数中vectorize_dic，该函数是来构造一个矩阵，每行中有2个元素为1，方便后续做交叉特征，其他部分都是很平常的tf语句，结合注释很容易理解。