本研究提出了一种基于低秩近似的因子分解机（FM）初始化方法，以高精度构建近似伊辛模型。通过数值实验比较不同初始化方法，分析其属性，研究结果有助于解决组合优化问题。

该文综述因子分解机与核机器研究：递归特征机呈现类似神经网络的双下降现象；Rank-Aware FM按不同秩嵌入建模成对交互；gFM实现在线学习与线性收敛；NFM结合FM线性与神经网络非线性；ConvRFM实现深层特征学习；RFNs无监督学习稀疏表示。