1月3日，音频服务应用荔枝FM宣布获得了5000 万美元的D轮融资，由老牌基金兰馨亚洲领投，新兴的媒体和互联网投资平台EMC跟投。官网启用lizhi.fm域名。...427576a156505b2a96fabe9e30a4e0d0.png 荔枝FM创立于2013年，是一款可以通过手机录制节目、开设用户自己电台的音频类APP，里面的内容绝大部分是用户创造的...截至2017年12月，荔枝已拥有超过1.5亿的全球注册用户，3000 万月均活跃用户，300 万声音自媒体，以及1亿期音频节目。 据悉，荔枝FM官网使用域名lizhi.fm。....fm域名本来是密克罗尼西亚的国别域名，因为广播普及，引申至广播网站使用。国内不少类似的企业也都喜欢用这样的域名，像蜻蜓FM（qingting.fm）、豆瓣FM（douban.fm）。...目前，荔枝FM除了官网域名外，还保护了全套相关域名lizhifm.com/.cn/.net，但遗憾的是，双拼域名lizhi.com/.com.cn/.cn等均不在其名下。
本文主要涉及三种FM系列算法：FM，FFM，DeepFM 一、FM算法（Factorization Machines） 背景 FM(Factorization Machine)主要是为了解决数据稀疏的情况下...与线性模型相比，FM的模型多了后面的特征组合的部分。 FM求解 Wij求解的思路是通过矩阵分解的方法，为了求解Wij，我们队每一个特征分量xi引入辅助向量 Vi=(vi1,vi2,......模型的复杂度也是O(kn) 扩展到多维，模型表达式为： FM vs SVM SVM和FM的主要区别在于： SVM的二元特征交叉参数是独立的，而FM的二元特征交叉参数是两个k维的向量vi、vj，交叉参数就不是独立的...假设样本的n个特征属于f个field，那么FFM的二次项有nf个隐向量。而在FM模型中，每一维特征的隐向量只有一个。FM可以看做FFM的特例，把所有特征都归属到一个field的FFM模型。...FM的结构 DNN结构 DeepFM结构 FM和DNN的特征结合 DeepFM目的是同时学习低阶和高阶的特征交叉，主要由FM和DNN两部分组成，底部共享同样的输入。
前面看到，LR是线性的，基本是O(N)的复杂度；FM加了一个新的项之后，新加的那项看起来似乎需要 ? 的复杂度，这似乎是不可忍受的复杂度，那为什么FM还能得到广泛应用呢？...我们把上面FM的Score Function和一个带有多项式Kernel（Degree=2）的SVM比较。...，是相互独立的参数；但是在FM里面，这两者互不独立，因为 ? 和 ? 都依赖于 ? 。...反观FM，尽管要训练 ? 也依赖于 ? ，但是好处是，所有其他非0的 ? 都会成为梯度的一部分，这样对于 ? 的训练就有明显更多的训练数据，可以更好地训练出合适的参数。...值得注意的是，这个特性是FM是优势也是它的弊病。在输入特征比较稠密的情况下，其实FM的效果应该是并不如SVM的，因为SVM的模型自由度更高。
在实施FM模块前需要做好企业需求的调研和设计，以保证FM的有效使用。 2.1.1定义财务管理范围 定义财务管理范围 ? ? 2.1.2分配财务管理范围到公司代码 分配财务管理范围到公司代码 ? ?...2.2 、账户分配要素的激活 在FM当中账户分配要素（也叫科目分配要素）主要包括有：基金中心、承诺项目、基金、功能范围、基金计划程序、准予，它们购成了在FM模块进行业务处理的主要数据要素，各个要素的组合...，形成了在FM的各种各样的记账，用来满足复杂业务的需求。...启用PSM-FM模块当中的BCS模块（预算控制系统）来进行预算控制，原有版本的前期预算已经被BCS模块替代了，原有使用的前期预算可以迁移到新的FM-BCS来。...在FM-BCS当中，需要对每个财务管理范围定义使用的科目分配要素，其中基金中心、承诺项目是必须强制使用的（前面激活PSM的账户分配要素时没有出现，因这两个本身就是FM必须要使用的），其他的账户分配要素，
1、FM的功能定位 1.1 、FM模块的主要功能定位 话说当前各个实体企业都在提出精细化管理，因此有一天相关人员组织了一场讨论大会，参加人员有外企、国企、民企、还有个体户，X-SAP也混在其中，想趁机推广一下...FM(Funds Management )模块功能的主要定位在于预算的控制，在预算控制过程中对预算的执行进行有效的监督和控制。...在预算编制完成后，由决策层层批准后，再将相关的预算控制数据下达到SAP 的FM模块中。...注：FM模块不是不能做预算编制，但这不是FM模块的最强的特点，在现有企业复杂多样的预算需求，大多数企业都使用功能强大的预算编制系统来进行预算编制，比如SAP BPC。...– 预算控制层 预算的监督和控制， SAP系统提供基金管理模块（FM）来实现预算的控制。
3、主数据 在FM当中主数据主要分成了两类：一类是账户分配要素，另一类是预算结构用到的地址（如预算地址、记账地址）。...3.1 账户分配要素-主数据 根据PSM及PSM-FM-BCS激活的账户分配要素，需要对这些要素主数据进行维护，这些主数据的在维护完成后，可使用这些账户分配要素进行组合，形成FM当中的预算地址、记账地址...3.1.1承诺项目 承诺项目是FM模块当的预算科目，表达预算的内容。它可带层次结构，并不是只有最末级才能有预算和预算消耗，通常预算的消耗会放在末级节点。...2)在 FM 区域/财政年度中创建变式 ? 为承诺项目的层次结构取一个变式名称，标准层次默认’000’（可以不用定义），用户也可以定义自已层次变式。不同的层次变式，其层次结构可以不一样。...8）分配选定字段行到 FM 范围 ? 将定义好的承诺项目字段控制状态分配给财务管理范围，这样可以达到指定财务管理范围的承诺项目的维护界面时的字段录入控制。 未完待续...
60 3 应付类记账 在FM-BCS当中没有预算及预算控制。 60 2 应收类记账 在FM-BCS当中没有预算及预算控制。 90 1 现金类记账 在FM-BCS当中没有预算及预算控制。...总体来讲，在FM-BCS中起作用的承诺项目为30+3、30+2这两类，别外有时还会需要维护一些特殊的技术性需要的承诺项目如60+3、60+2、50+3。...⑥ 负预算： 前期预算启用的需要用的，在FM-BCS当中不再使用，可以在字段状态控制中关闭它。...1）FM_SETS_FIPEX1 - 创建 FM_SETS_FIPEX2- 更改 手动维护承诺项目组，其操作类型成本要素组的维护。...执行③的结果 执行④的结果 3.1.1.5 承诺项目的扩展增强使用 在实际使用承诺项目时，由于通常FM-BCS会同外部的预算编制系统进行接口来生成预算数据，因此会考虑FM-BCS中的承诺项目同外部预算编制系统的预算科目进行映射
来计算直方图，0为不计算 # batch_size=32, # 用多大量的数据计算直方图
模型用途 FM和FFM，分解机，是近几年出的新模型，主要应用于广告点击率预估（CTR），在特征稀疏的情况下，尤其表现出优秀的性能和效果，也数次在kaggle上的数据挖掘比赛中拿到较好的名次。...FM原理 特征编码时常用的one-hot编码，会导致特征非常稀疏（很多0值）。...FM模型，将参数 wijwij 对应的矩阵 WW ，利用矩阵分解表示为 W=VTVW=VTV , 矩阵 VV ∈Rk×n∈Rk×n , 可以通过调节k来调节模型的泛化能力。...FM模型则表示为： y(x)=w0+∑i=1nwixi+∑i=1n∑j=i+1nxixjy(x)=w0+∑i=1nwixi+∑i=1n∑j=i+1nxixj...,fxi)2−∑i=1n(vi,fxi)2)∑i=1n∑j=i+1nxixj=12∑f=1k((∑i=1nvi,fxi)2−∑i=1n(vi,fxi)2) FFM 原理 FFM模型是在FM
3.1.3 基金 基金是账户分配要素中的一个维度，在具体实施时，可以按照特定目的来的划分来设定，以达到该维度反映特定报表的需求，比如，预算资金来源，预算资金管理门。...3.1.3.1 基金配置 1）创建 FM 基金类型 在建立基金的类型时，可以在FM-BCS预算控制期间指定时是根据基金类型来决定的： A年度预算来控制，还是O总体预算来控制。...2）创建用于基金的附加文本类型 指定基金主数据的附加文本类型。 3）为基金编辑选定字段行 基金维护时的，维护界面上的字段状态控制。...4）分配选定字段行到 FM 范围 将配置好的基金字段控制变式分配给财务管理范围。...3.1.3.2 基金主数据维护 1)FM5I /FM5U - 更改 创建/修改基金 2）FM_SETS_FUND1 /FM_SETS_FUND2 创建基金组，类似基金中心组的手工创建。
因子分解机（Factorization Machines，FM）及其变种已经在推荐系统中得到了广泛的应用，本文就FM的系列模型进行简单总结。...的优点 考虑交叉特征，从而进一步的考虑了特征之间的关系 采用矩阵分解的方式，使模型能够在稀疏数据上训练，并且具有较好的泛化性 降低了时间复杂度 FFM FFM为Field FM，在原始FM的基础上进行了改进...DeepFM 深度学习已经在很多领域都得到了广泛的应用，而DeepFM就是将DNN和FM进行结合，利用FM来学习低阶交叉特征，用DNN来学习高阶复杂的特征关系。...如下图所示，左边部分为FM部分，右边部分为DNN部分，将embedding后的特征用于FM和DNN，最后将FM的结果和DNN的结果组合后通过sigmoid计算点击率。...AFM AFM即attention FM，基于注意力机制的FM，其总体结构如上图所示。
为基金中心的层次结构配置一个变量，如果激活了基金中心主数据的年度相关性，可以配置多个在不同年度使用不同的层次结构变量。也可以定义自己的非标准结构层次变式，以备在后续的预算结构中推导使用。...3）分配层次变式给 FM 范围 ? 为财务管理范围的每个年度分配一个标准层次结构变量。没有激活基金中心的年度相关性，财年为0000，反之可以为每个年度分配一个层次结构变量。...配置基金中心主数据维护操作时，界面字段状态的控制，一共四种：隐藏、显示、可选录入、必需录入，用户可根据实际使用需要进行配置。 6）分配选定字段行到 FM 范围 ?...③ 没有分配到非标层次内的基金中心。 3）FM_SETS_FICTR1 - 创建 /FM_SETS_FICTR2 - 更改 基金中心组的手工维护，类似成本中心组的维护。 ?...另外用户可能还有其他的一些特殊需求，要求对基金中心的增强使用，比如用户自己的逻辑检查等等。
之前已经讲过，预算生成和预算消耗都需要使用账户分配元素来组合进行表达，我们把这叫地址，因此在预算结构里预算生成对应的地址就是预算地址，预算消耗对应的地址就叫记账地址，预算控制对应的地址就叫控制地址。...预算结构决定了预算地址和记账地址的映射关系，并提供其地址的有效性检查。 首先充分理解下面这张图： ?...(1)预算结构维护 在进行预算结构的维护时，先进行预算地址的维护，预算地址维护后，可对记账地址进行维护。...在有预算结构存在的情况下，预算结构配置为检查记账地址，推导出的记账地址必须在现有记账地址中存在（不存在则会报错），找到现有记账地址后，使用记账地址对应的索引预算地址作为预算控制地址（消耗类）。...在有预算结构存在的情况下，预算结构配置不检查记账地址，如果记账地址不存在，会启第(1)点中的记账地址维护过程，然后将记账地址对应的索引预算地址作为作为预算控制地址（消耗）。
3.1.6 账户分配要素主数据权限检查 在FM模块当中部份主数据的权限检查，SAP支持不是很好，比如对基金计划程序的权限支持不是很好。...针对集团式管控的企业，对FM主数据有着细分权限管理需求，除了使用权限组外，可以增强对账户分配要素主数据的权限检查，例如，自建一个基金计划程序的权限对象，然后用于基金计划程序的权限检查。...因此可以激活BADI：FM_AUTHORITY_CHECK 来增强用户自定义的权限检查。...FM_AUTHORITY_CHECK~FUNDS_CENTER_CHECK：对基金中心的权限检查。 FM_AUTHORITY_CHECK~FUND_CHECK：对基金的权限检查。...FM_AUTHORITY_CHECK~FUNCTION_AREA_CHECK：对功能范围的权限检查。
3.1.5 主数据的细分 FM模块还提供了对账户分配要素主数据的细分支持，将账户分配要素的主数据，按照企业需要的规则来细分段，每一段的单独编码都有着相应的含意，主要起充分挖掘和规范主数据的使用，并方便后期报表中按照账户分配要素单独的分细段进行报表分析...（例如在报表库4FM中将细分数据特性放出来，即可支持单独细分段的报表查看）。...各账户分配要素的子串支持数量如下：承诺项目5个；基金中心3个；基金2个，功能范围3个 主数据的细分功能是一个附加性的，在FM不是必须启用的，这个实施人员可根据用户需求来决定是否启用。...3)细分子串的BADI增强使用 对细分子串的使用，SAP还提供了BADI进行用户增强业务逻辑： FM_MD_SUBID_TYPE：用来增强检查子串部门标识； FM_MD_SUB_VALUES...FM_MD_SUBSTRINGS：用来在各个账户分配要素维护时，对其子串的检查。
它同其他账户分配要素不同，它可以直接进行预算，但不能在预算消耗中的账户分要配界面直接录入（比如FI的记账时），它只能通过派生规则推导出来，列如通过WBS来推导出来。...3.1.4.1 基金计划程序的配置 ? 1）创建并维护基金支持的程序类型 ? 定义基金计划程序的类型，你可以根据自己的需求来定义类型，可用于后期记账地址、控制地址、容差参数控制的派生推导。...2）编辑基金支持程序的字段选择字符串 ? 定义基金计划程序维护时的字段状态控制。 3.1.4.2 基金计划程序的维护 ? 1）FMMEASURE - 编辑 基金计划程序的维护 ?...2) FM_SETS_FUNDPRG1\FM_SETS_FUNDPRG2 基金程序计划组的手工维护，类似基金组的手工维护。基金程序计划组，主要用于报表查看。...，该结构已包含在基金计划程序的主数据表中。
SAP The FM To Get the Characteristic Value SAP function module CLAF_CLASSIFICATION_OF_OBJECTS.
导读：上篇文章推荐算法｜FM模型原理简介中我们介绍了FM模型原理，本次我们通过python进行实例展示。为了提升模型性能，本次代码同步引入加入L2正则及Adagrad。...1 概念回顾 我们首先来回顾一下梯度下降法、Adagrad的概念。 梯度下降法 假设损失函数为： ? 则对于每个参数其梯度表达式为： ? 进而得到参数的更新函数： ? 其中alpha为学习率。...Adagrad 梯度下降中有学习率参数，合适的学习率会影响模型训练效率及准确性。Adagrad的核心思想就是随着迭代次数增加，让学习率变小。加入后，参数的迭代变为： ? 其中 ?...为初始学习率，g为参数对应的梯度。 2 代码逻辑 本例中我们通过梯度下降来训练一个二分类FM模型。 对于二分类问题，我们取logit作为损失函数： ?...我们的目标就是使得上述损失函数最小的最优化问题。假设共有N个参数，并且在损失函数中加入L2正则以减少过拟合，则最优化问题变为： ? 在FM模型中，参数的梯度为： ? 其中 ?
1概述 因子分解机（Factor Machine，MF）是一种机器学习预测模型，在模型原理方面主要有以下三个优点： 可以解决高维稀疏矩阵问题 具有线性复杂度 相比于其他矩阵分解类的模型，FM允许更丰富的输入维度...2原理简述 这里参考论文《Factorization Machines》简述一下FM的模型原理，同步对应上述所提的三个优点。...解决高维稀疏矩阵问题的原理 FM的模型公式如下，可以看出，公式前面用红色框出来的部分，就是传统的线性模型，FM是在线性模型的基础上增加了交叉项。...在进行预测前的特征构造过程中，经常需要对特征进行组合以扩展模型的能力，FM模型相当于直接把特征组合加入模型不需人为处理。...3总结 FM曾在多项CTR预测竞赛中夺得冠军，在实际的推荐应用中，FM可以用于召回也可用于排序过程，无不展现了其有效性，即便在深度学习逐渐应用在推荐领域的时期，FM依然是众多厂商选择使用的方法。
前言 自从我上次在知乎回答了问题《机器学习中较为简单的算法有哪些？》，很多同学私信我询问我FM算法在推荐系统中的应用细节，索性今天就专门写一篇文章，仔细聊一聊FM这把“推荐算法中的瑞士军刀”。...第二，本文主要介绍FM应用于推荐系统中的一些实战经验，需要读者对FM有一定的基础。对FM还不太了解的同学，我推荐以下参考资料： 掌握FM原理，推荐读美团的博客《深入FFM原理与实践》。...这就好比，奥运会上的射击冠军，未必能够胜任当狙击手一样。 FM用于召回，推荐读张老师的《推荐系统召回模型之：全能的FM模型》。...接下来的文字中，我首先梳理一下FM的特点，再按照精排、召回、解释模型的顺序，介绍FM在各个业务中的技术细节，比如：如何无偏地收集样本、如何设计模型、如何部署上线。...像FM这样实现三个领域全覆盖的多面手，目前为止，孤陋寡闻的我尚不知道有第二个。 特别是FM用做召回时，表现更加优秀。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
