因子分解机(FM)是一种常用于处理高维稀疏数据中成对(二阶)特征交互的建模方法。然而，一方面，因子分解机(FM)因组合爆炸问题而无法捕捉更高阶的特征交互；另一方面，不加区分地考虑每对特征之间的交互可能会引入噪声、降低预测精度。为了解决以上问题，中国科学院自动化研究所吴书等提出了一种新颖的方法——图因子分解机(GraphFM)，它能够将特征自然地表示在图结构中。研究者们特别设计了一种筛选有益特征交互的机制，将它们表示为特征之间的边。然后，该模型通过将因子分解机(FM)的交互函数整合到图神经网络(GNN)的特征聚合策略中，在图结构特征上实现任意阶特征交互建模。基于多个真实数据集的实验结果验证了该研究所提出方法的合理性和有效性。代码和数据网址：http://t.cn/AXvCgXxn http://t.cn/AXvCgXxR #人工智能[超话]##机器学习[超话]##因子分解机#