الوصف
آلة العوامل الانتباهية (AFM) هي نموذج متطور مصمم لتعزيز أداء آلات العوامل من خلال تعلم أهمية تفاعلات الميزات عبر شبكات الانتباه. يقدم هذا المستودع تطبيقًا مباشرًا لنموذج AFM باستخدام TensorFlow، بناءً على المفاهيم الأساسية لآلات العوامل (FM).
قراءة المزيد
يعتمد المشروع على الورقة البحثية "Attentional Factorization Machines: Learning the Weight of Feature Interactions via Attention Networks" بقلم Jun Xiao، و Hao Ye، و Xiangnan He، و Hanwang Zhang، و Fei Wu، و Tat-Seng Chua، والتي تم تقديمها في IJCAI 2017. يدعم التطبيق مهام الانحدار والتصنيف على حد سواء، مع التحسين لـ RMSE.
يمكن للمستخدمين الاستفادة من هذه التعليمات البرمجية لتكرار نتائج الأبحاث أو تطبيق AFM على مجموعات البيانات الخاصة بهم. يوفر المستودع تعليمات واضحة لإعداد البيئة، والتي تتطلب TensorFlow (الإصدار 1.0.1)، و NumPy، و Scikit-learn. يجب أن تتبع مجموعات البيانات تنسيق الإدخال لأداة LibFM، مع مثال يستخدم مجموعة بيانات MovieLens لتوصية العلامات الشخصية.
يوضح المثال السريع المضمن كيفية تدريب نموذج FM أولاً للتدريب المسبق، ثم استخدام هذه الأوزان لتدريب نموذج AFM. يسمح هذا النهج بإجراء مقارنة مباشرة للأداء بين FM القياسي و AFM المحسن. تتضمن التعليمات البرمجية أيضًا وظائف لتقييم النماذج المدربة على مجموعات بيانات الاختبار.
هذا التطبيق ذو قيمة خاصة للباحثين والممارسين في مجالات أنظمة التوصية، والتعلم الآلي، والتعلم العميق الذين يتطلعون إلى تحسين دقة نماذجهم وقابليتها للتفسير من خلال التقاط فروق تفاعلات الميزات بفعالية. تسمح آلية الانتباه للنموذج بوزن أهمية أزواج الميزات المختلفة ديناميكيًا، مما يؤدي إلى تنبؤات أكثر دقة.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- نموذج التسعيرمفتوح المصدر
- النشرسحابي, استضافة ذاتية
- المنصاتالويب
الميزات الأساسية لـ آلة العوامل الانتباهية (Attentional Factorization Machine)
تطبيق آلة العوامل الانتباهية (AFM) باستخدام TensorFlow
يدعم مهام الانحدار والتصنيف
يحسن لـ RMSE
يتعلم وزن تفاعلات الميزات عبر شبكات الانتباه
يتضمن تطبيق آلات العوامل (FM) للتدريب المسبق
يستخدم الترميز الأحادي (one-hot encoding) لتحويل متجه الميزات
متوافق مع تنسيق بيانات LibFM
يوفر مثال استخدام مع مجموعة بيانات MovieLens
يتضمن نصوصًا برمجية للتدريب والتقييم
تشمل قاعدة التعليمات البرمجية AFM.py، و FM.py، و LoadData.py
يدعم التدريب المسبق للنموذج
البدء مع آلة العوامل الانتباهية (Attentional Factorization Machine)
إعداد البيئة: تثبيت TensorFlow (الإصدار 1.0.1)، و NumPy، و Scikit-learn.
إعداد مجموعة البيانات: تنسيق البيانات وفقًا لمواصفات أداة LibFM.
تدريب نموذج FM: قم بتشغيل `python FM.py` مع مجموعة البيانات المحددة والمعلمات للتدريب المسبق.
تدريب نموذج AFM: قم بتشغيل `python AFM.py` باستخدام الأوزان المدربة مسبقًا لـ FM.
تقييم النموذج: قم بتشغيل `python FM.py` أو `python AFM.py` مع العلامة `--process evaluate`.
حالات استخدام آلة العوامل الانتباهية (Attentional Factorization Machine)
- أنظمة التوصية
- توصية العلامات
- التنبؤ بمعدل النقر (CTR)
- تعلم تفاعلات الميزات
- تطوير نماذج التعلم الآلي
