Как интерпретировать выходные данные --audit и --invert_hash для модели vowpal wabbit --rank?

Question

Я использую двоичный файл Windows VW (v8.1.1) и не могу найти / запустить файл gd_mf_weights для получения скрытых факторов из моделей матричной факторизации на данных movielens.Можно ли получить скрытые элементы / пользовательские векторы с помощью команды --audit или --invert_hash для модели --rank?Как мне интерпретировать вывод?

- аудит

0.083820 0
user^0:40152322256(250064):1:0.0203829  item^0:39109980128(2289632):1:0.034971
5 1
5 2
5 3
5 4
5 5
2.255293 6

- invert_hash

options: --quadratic ui --rank 5
Checksum: -1594367130
0 0.026660 0.029663 0.066095 0.001638 0.024027 0.049405 0.086664 0.039567 0.004046 0.004133 0.001141
1 0.071812 0.048789 0.009294 0.078689 0.055306 0.079207 0.051241 0.033831 0.038871 0.034245 0.004538
2 0.068148 0.066196 0.043153 0.090472 0.039405 0.068468 0.028950 0.047775 0.065153 0.068769 0.089713
3 0.061660 0.051192 0.036081 0.077850 0.084801 0.042123 0.092750 0.059213 0.045027 0.071334 0.062931
4 0.087708 0.096122 0.003722 0.065780 0.036524 0.008498 0.071953 0.025418 0.038625 0.085860 0.069624
5 0.048324 0.097188 0.020505 0.055188 0.065675 0.010707 0.099586 0.061309 0.013237 0.007674 0.021914

Answer 1

Есть ли причина для использования -q с --rank вместо встроенного квадратичного взаимодействия низкого ранга --lrq?

Вот как я бы обучил рекомендателей машин факторизации с --lrq и --invert_hash. Допустим, ваш набор данных выглядит так:

4 |u john |i hammer
...

Кодирует информацию о том, что пользователь "Джон" присвоил элементу "молот" оценку 4 и т. Д.

Я бы тренировал модель следующим образом:

$ echo "4 |u john |i hammer" | vw --lrq ui5 --invert_hash model.readable.txt

А затем извлеките скрытые факторы из model.readable.txt (все, что ниже линии ":0"):

$ cat model.readable.txt
Version 8.6.1
Id 
Min label:0
Max label:4
bits:18
lda:0
0 ngram:
0 skip:
options: --hash_seed 0 --link identity --lrq ui5
Checksum: 3876651432
:0
Constant:142048:0.231715
i^hammer:99576:0.231715
lrq^i^hammer^1:99577:0.238051
lrq^i^hammer^2:99578:0.641153
lrq^i^hammer^3:99579:0.177484
lrq^i^hammer^4:99580:0.333955
lrq^i^hammer^5:99581:2.82811
lrq^u^john^1:15281:1.23084
lrq^u^john^2:15282:0.457055
lrq^u^john^3:15283:1.65113
lrq^u^john^4:15284:0.877392
lrq^u^john^5:15285:0.103614
u^john:15280:0.231715

Надеюсь, это поможет.