KDDAug, 2015

大规模计数数据的可扩展贝叶斯非负张量分解

PDF
TL;DR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。
bayesian non-negative tensor factorizationcount-valued tensor dataoverdispersed countsrank decompositiononline inference algorithms
发现论文，激发创造
  • 大规模二元张量的零截断泊松张量分解

    本文提出了一种可扩展的 Bayesian 模型，用于低秩分解具有二进制观测的大规模张量，并展示了该模型在计算可扩展性和利用二进制配对关系方面的优越性。

    Aug, 2015

  • 分布式柔性非线性张量分解

    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

  • 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

  • 基于贝叶斯泊松张量分解的从稀疏子项事件计数推断多边关系

    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。

    Jun, 2015

  • 一种基于变分推断的贝叶斯张量分解模型用于链接预测

    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

  • 非参数贝叶斯因子分析动态计数矩阵

    提出一种 Gamma 过程动态泊松因子分析模型，通过建立一个新的马尔科夫链来推断 Gamma 形状参数，应用于文本和音乐分析，取得最先进的结果。

    Dec, 2015

  • 快速贝叶斯非负矩阵分解与三因子分解

    本论文提出一种快速变分贝叶斯算法，用于实现非负矩阵分解和三因式分解，相对于 Gibbs 采样和非概率方法，我们的方法可以在每次迭代和时间步（挂钟时间）中实现更快的收敛，并且不需要额外的样本来估计后验，特别地，我们的变分贝叶斯方法提供了三因式分解的快速解决方案，从而更有效地利用该方法。

    Oct, 2016

  • 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。

    Jan, 2013

  • 无限 Tucker 分解：多元数据分析的非参数贝叶斯模型

    本篇论文提出了一种名为 InfTucker 的新的张量分解模型，采用基于贝叶斯模型的 tensor-variate latent nonparametric Bayesian 模型，并结合高效推理方法，适用于多元数据分析，可处理多种数据类型和不确定性，实验结果显示其预测准确性优于现有的最先进的 tensor 分解模型。

    Aug, 2011