可扩展的贝叶斯非线性矩阵补全

IJCAIJul, 2019

Scalable Bayesian Non-linear Matrix Completion

Xiangju Qin, Paul Blomstedt, Samuel Kaski

TL;DR基于高斯过程潜变量模型的贝叶斯非线性矩阵补全算法，经过数据并行分布式计算方法加以优化，实现了对于高度稀疏大型矩阵的预测任务，得到了较好的实验结果。

Abstract

matrix completion aims to predict missing elements in a partially observed data matrix which in typical applications, such as collaborative filtering, is large and extremely sparsely observed. A standard solution is matrix factorization, which predicts unobserved entries as linear comb

matrix completion non-linear combinations bayesian approaches data-parallel distributed computational approach out-of-matrix prediction

发现论文，激发创造

利用观测偏差改进矩阵补全

在 Ma 和 Chen 引入的模型的基础上，本文提出了一种两阶段的算法来处理矩阵填充中的观测偏差，并利用共享信息来提高预测性能，经实验证明本算法的表现可与未观测协变量相同，并获得性能提高。

Jun, 2023

基于单层神经网络的非线性感应矩阵补全

本文介绍了在推荐系统和半监督聚类中，如何应用非线性激活函数并使用梯度下降等优化技术，来解决非线性归纳矩阵完成问题，并展示了这种方法的性能优于传统的线性方法。

May, 2018

自适应松弛谱正则化贝叶斯矩阵完成

基于对称正则化的贝叶斯矩阵补全方法，无需参数调整即可自动推断潜在因子数量。在合作过滤中表现良好。

Dec, 2015

使用查询完成矩阵

本研究提出了一种主动式矩阵完成算法，通过查询真实矩阵来克服数据不完备造成的不足信息问题，可以在仅查询少量条目的情况下高精准度地重构缺失的矩阵，并通过实验验证了该算法的高效性和精度。

May, 2017

噪声矩阵补全的线性形式的统计推断

基于矩阵的噪声观测，我们构建了一个弹性框架以推断其线性形式，我们提出了一种构建渐近正常估计量的普遍过程，以进行双重样本去偏差和低秩投影，从而允许我们构建线性形式的置信区间并检验假说。

Aug, 2019

基于消息传递的布尔矩阵分解和噪声补全

通过图模型和传递信息的方法，本文提出一种处理布尔矩阵分解和噪声下的布尔矩阵完成的方法，可线性处理观察点和因子数量，实验结果表明该方法在实际应用中可以较好地恢复低秩布尔矩阵。

Sep, 2015

图上矩阵补全

本文提出了一种基于社区检测和流形学习的矩阵完成模型，通过约束矩阵在图上的平滑性来隐含地强制行和列之间的相似性，得到了比标准模型更好的矩阵恢复效果。

Aug, 2014

一种用于非负因子矩阵补全的交替方向算法

本文介绍了一种基于非负矩阵因式分解和补全问题的算法，可以通过同时利用非负性和低秩性来获得更好的结果，并通过基于交替方向增广 Lagrange 方法的算法来解决该问题。该算法优于现有算法，并可用于恢复不完整图像。

Mar, 2011

噪声矩阵补全的推断和不确定性量化

本文提出了一种补偿广泛使用的凸估计器偏差的简单程序，从而实现了对噪声矩阵完成的不确定性和推断，并产生了近乎精确的非渐近分布表征，进而实现了对缺失条目和低秩因子的置信区间的最优构建。

Jun, 2019

针对长尾中的用户和物品的自适应矩阵补全

本研究发现 real-world 数据集中的评分偏差会影响基于矩阵补全的协同过滤推荐系统预测准确性，且建议采用基于评分数量的算法以提高预测准确性。

Apr, 2019