一般化モーメント法に基づく高速非負潜在因子モデル

非負潜在因子（NLF）モデルは、非負データで満たされた高次元および疎（HiDS）行列から有用な知識を効率的に取得できます。単一潜在因子依存型、非負および乗法的更新（SLF-NMU）は、HiDS行列上でNLFモデルを構築するための効率的なアルゴリズムですが、収束が遅いという欠点があります。学習アルゴリズムを加速するためにモーメント法が頻繁に採用されますが、SLF-NMUのように勾配を暗黙的に採用するものとは互換性がありません。高速NLF（FNLF）モデルを構築するために、SLF-NMUと互換性のある一般化モーメント法を提案します。これにより、単一潜在因子依存の非負、乗法的でモーメントを組み込んだ更新アルゴリズムを提案し、FNLFモデルを実現します。産業応用からの6つのHiDS行列に関する実証研究は、FNLFモデルが収束率と欠損データの予測精度の両方においてNLFモデルを上回ることを示しています。したがって、NLFモデルと比較して、FNLFモデルは産業応用においてより実用的です。