context-aware的假設(shè)是用戶在點(diǎn)擊/購(gòu)買商品的時(shí)候，會(huì)抽到當(dāng)時(shí)一些額外信息影響。

比如獨(dú)立的上下文：時(shí)間、地點(diǎn)、天氣……
用戶的上下文：用戶上一次點(diǎn)擊/購(gòu)買的SKU/品類，上一次點(diǎn)擊/購(gòu)買距離此刻的時(shí)間間隔……
商品的上下文：商品當(dāng)時(shí)的價(jià)格，促銷標(biāo)示，在APP的哪類頁(yè)面上顯示……

在優(yōu)化購(gòu)買的場(chǎng)景下，獨(dú)立上下文對(duì)“到家”的重要性，要遠(yuǎn)大于主站。原因是，用戶在到家下單時(shí)的上下文，與用戶收單時(shí)的上下文，非常接近：時(shí)間2小時(shí)以內(nèi)，地點(diǎn)下單位置基本就是收單位置（不完全是，需要按距離判斷）

context of "daojia"

Factorization Machine：

![][1]
[1]: http://latex.codecogs.com/svg.latex?\hat{y}(x):=w_0+\sum_{i=1}^{{n}w_{i}x_{i}+\sum_{i=1}}{n}\sum_{j=i+1}^{n}\hat{w}{i,j}x{i}x_{j}

其中

![][2]
[2]: http://latex.codecogs.com/svg.latex?\hat{w}{i,j}:=\langle&v_i,v_j\rangle=\sum{f=1}^{k}v_{i,f}\cdotv_{j,f}
w_0是全局的偏差，w_i是第i個(gè)參數(shù)對(duì)目標(biāo)的影響，w_{i,j}是一對(duì)特征(i,j)對(duì)目標(biāo)的影響。
FM的計(jì)算復(fù)雜度是O(k*m(x))。
加L2正則：
![][3]
[3]: http://latex.codecogs.com/svg.latex?RLS-OPT=\sum_{(x,y)\in&S}(\hat{y}(x)-y)^{2+\sum_{\theta\in\Theta}\lambda_{(\theta)}\theta}2

實(shí)踐中我們對(duì)w_i和v_{i,f}分別用不同的正則項(xiàng)。

最常用的優(yōu)化方法是ALS，相比SGD，省去了選擇學(xué)習(xí)率的步驟。