基于贝叶斯泊松张量分解的从稀疏子项事件计数推断多边关系

KDDJun, 2015

基于贝叶斯泊松张量分解的从稀疏子项事件计数推断多边关系

Bayesian Poisson Tensor Factorization for Inferring Multilateral Relations from Sparse Dyadic Event Counts

Aaron Schein, John Paisley, David M. Blei, Hanna Wallach

TL;DR使用贝叶斯张量分解模型对动态二元交互模式进行潜在群体结构的推断，以及通过推理的低维、可解释的表示捕捉到多边关系。

Abstract

We present a bayesian tensor factorization model for inferring latent group structures from dynamic pairwise interaction patterns. For decades, political scientists have collected and analyzed records of the form "country $i$ took action $a$ toward country $j$ at time $t$"---known as <

bayesian tensor factorization latent group structures dyadic events interpretable representation multilateral relations

发现论文，激发创造

贝叶斯泊松分解方法用于学习国际关系结构

本文提出了贝叶斯泊松图尔克分解（BPTD）用于对国家 - 国家互动事件数据建模，该模型可以发现包含潜在社区成员的重叠国家 - 社区成员资格，并发现具有特定的主题和时间段的定向社区 - 社区互动网络。我们证明 BPTD 比相关模型具有更好的预测性能，并演示它能够发现可解释的潜在结构，与我们对国际关系的知识相符。

Jun, 2016

从动态配对互动推断多边关系

介绍了一种新的非参数贝叶斯潜变量模型，该模型明确捕捉了异常交互计数之间的相关性，并利用这些共享的偏差从正常活动模式中识别和表征多边关系。通过使用新近策划的全球事件位置与语气数据库，显示了该模型的能力，并在研究结果中指出多边关系对应于重大国际事件和长期国际关系，因此建议在数据驱动的交互网络分析中应用该模型。

Nov, 2013

大规模计数数据的可扩展贝叶斯非负张量分解

本文提出了用于计数张量数据的贝叶斯非负张量分解模型，并开发了可用于处理海量张量的可扩展推理算法（批处理和在线推理），以及一系列实际应用。

Aug, 2015

关于张量、稀疏性和非负因子分解

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

基于贝叶斯鲁棒性的不完整多维数据张量分解

本文提出了一种基于贝叶斯建模和多线性交互作用的张量分解方法，可以在存在缺失数据和离群值的情况下进行鲁棒分析，实现对丢失数据的稳健预测分布。

Oct, 2014

高维分类的贝叶斯条件张量分解

使用 Tucker 分解模型，配合贝叶斯方法与马尔可夫蒙特卡罗算法进行变量选择，取得高准确率的分类模型，使其适用于高维分类数据并解决标记互制问题。