本文提出了一种基于层次概率模型的 CP 张量分解方法,通过整合多个潜在因子和适当的超参数来提供完全贝叶斯处理,以实现自动排序确定,同时提供对缺失条目的预测分布。
Jan, 2014
考虑如何分解具有缺失值的数据集,以捕捉数据的潜在结构并可能重建缺失值。我们开发了一种名为 CP-WOPT 的算法,该算法使用一种一阶优化方法来解决加权最小二乘问题,并通过大量的数值实验验证了该算法的性能良好,能够成功分解噪声数据及缺失数据高达 99%的张量,同时适用于稀疏大规模数据。
May, 2010
提出一种名为低多秩高阶贝叶斯鲁棒张量分解 (LMH-BRTF) 的新型高阶 TRPCA 方法,在贝叶斯框架内对观测到的受损张量进行分解,结合了明确建模稀疏和噪声成分的优势,实现了对张量的多秩自动确定,并采用高效的变分推断算法进行参数估计,通过对合成和现实世界数据集的实证研究,在定性和定量结果方面证明了该方法的有效性。
Nov, 2023
本文研究低秩张量分解在缺失数据的情况下的问题,提出了基于交替最小化法的新方法,表明在一定条件下,我们的方法可以从少量采样的条目中精确地恢复一个低秩张量。
Jun, 2014
通过 VB 推断技术对单个和耦合张量分解模型进行全贝叶斯推断,有效地解决了缺失链接预测问题。
Sep, 2014
本文提出了一种新的张量范数,同时利用低秩先验和秩信息,包括一系列张量管秩的代理函数,可在张量数据中更好地利用低秩,通过使用样本技巧计算更小张量的 t-SVD 而不是原始张量来计算提出的双低秩约束的张量范数。随后,优化算法的每个迭代的计算成本从标准方法的 O (n^4) 降低到 O (n^3 log n + kn^3),其中 k 为真实张量秩的估计值,远小于 n。本方法在合成和现实数据上得到了评估,并表现出优于现有 STOA 张量完成方法的性能和效率。
May, 2023
本文研究了稀疏计数数据的多线性建模问题,提出了一个以泊松分布为假设的描述性张量分解模型和相应的算法和理论,并介绍了一种基于主导极小化方法的泊松张量分解算法,称为 CP-APR,并在几个数据集上的结果得到了验证。
Dec, 2011
本篇论文提出了一种基于稀疏且低秩张量回归模型的方法,其中系数张量的每个单元秩张量都被假定为是稀疏的,通过分治策略,可以简化任务,并使用分阶段的估计过程来高效地跟踪其整个解决方案路径。在多种真实和合成实例中展示了我们方法的卓越性能。
Nov, 2018
本研究提出了一个新的模型以及应用交替最小化算法和两种自适应秩调整策略同时对低秩张量进行低秩矩阵分解,结果表明,该算法可以在比其他方法更少的数据采样下恢复各种合成低秩张量,而且实际数据的测试结果也有类似优势。
Dec, 2013
本文提出了一种分布式、灵活的非线性张量分解模型,通过可避免昂贵的计算以及提供高质量推理的上限,它能够克服传统张量分解模型中的限制,并展现出在 CTR 预测方面的巨大潜力。
Apr, 2016