LibMF 介绍
LIBMF 是在潜在空间使用两个矩阵,接近一个不完全矩阵。Matrix Factorization 主要用在协作过滤,LibMF 主要特性如下:
-
除了潜在用户和项特性,还包括了用户偏好,项偏差和平均条件
-
LIBMF 可以在一个多核机器上并行执行
LibMF的作者是大名鼎鼎的台湾国立大学,他们在机器学习领域享有盛名,近年连续多届KDD
Cup竞赛上均获得优异成绩,并曾连续多年获得冠军。台湾大学的风格非常务实,业界常用的LibSVM,
Liblinear等都是他们开发的,开源代码的效率和质量都非常高
LibMF在矩阵分解的并行化方面作出了很好的贡献,针对SDG优化方法在并行计算中存在的locking problem和memory
discontinuity问题,提出了一种矩阵分解的高效算法,根据计算节点的个数来划分评分矩阵block,并分配计算节点。系统介绍可以见这篇论文
(Recsys 2013的 Best paper Award)
Y. Zhuang, W.-S. Chin, Y.-C. Juan, and C.-J. Lin. A Fast Parallel SGD for
Matrix Factorization in Shared Memory
Systems. Proceedings of
ACM Recommender Systems 2013.
LibMF 官网
http://www.csie.ntu.edu.tw/~cjlin/libmf/
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。