基于图上弱相关数据的张量补全在地铁客流预测中的应用

AAAIDec, 2019

基于图上弱相关数据的张量补全在地铁客流预测中的应用

Tensor Completion for Weakly-dependent Data on Graph for Metro Passenger Flow Prediction

Ziyue Li, Nurettin Dorukhan Sergin, Hao Yan, Chen Zhang, Fugee Tsung

TL;DR本文提出一种基于 $ L_ {1} $ -norm 和图拉普拉斯惩罚的低秩 CANDECOMP/PARAFAC（CP）张量分解和完成框架，以对图中的弱依赖性进行建模。并基于块坐标下降提出有效的优化算法，利用香港地铁乘客流量数据进行低秩张量完成任务，与传统完成方法相比，取得较好的结果。

Abstract

low-rank tensor decomposition and completion have attracted significant interest from academia given the ubiquity of tensor data. However, the low-rank structure is a global property, which will not be fulfilled when the data presents complex and weak dependencies given specific graph

low-rank tensor decomposition completion framework weakly dependency spatiotemporal data analysis optimization algorithm

发现论文，激发创造

知识库完成的规范张量分解

该研究探讨了使用 Canonical Tensor Decomposition 解决 Knowledge Base Completion 问题的局限性，并提出了一种基于 tensor nuclear p-norms 的新型正则化方法，结合这两种方法可以超过现有的同类算法，在多个数据集上表现得更好。

Jun, 2018

地铁客流建模的低秩稳健子空间张量聚类

本研究提出了一种基于张量的子空间聚类和异常分解技术，旨在同时实现高维张量的异常鲁棒降维和聚类。通过结合 Tucker 分解、稀疏异常分解和子空间聚类，提出了一个新的低秩鲁棒子空间聚类分解模型，并通过块坐标下降算法更新参数。实验证明，该方法在模拟研究中相比基准方法在难案例中提高了 + 25% 的聚类准确率，同时通过消融研究分析了三个任务之间的相互关系，并通过基于真实乘客流量数据的车站聚类案例研究发现了有价值的见解。

Apr, 2024

不完整数据的可扩展张量分解

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

张量完成的平滑 PARAFAC 分解

本文提出了一种名为 SPC 的 “平滑 PARAFAC 张量完整化” 的方法，该方法为视觉数据快速提供了高效的算法，其采用总变分和二次变分策略来施加平滑性约束，并在模型学习中调用相应的算法，经广泛实证评估，较其他具有代表性的张量完整化方法具备更好的预测性能和效率。

May, 2015

使用广义 CP 分解和非负整数张量完成的低秩张量补全

提出了基于数字属性的新的 GCDTC（广义 CP 分解张量完成）方法，采用低秩张量完成的广义 CP 分解，提出了一种名为 SPTC（平滑泊松张量完成）的算法，通过实验验证，该方法的完整性准确性优于目前最先进的方法。

Feb, 2023

高效张量补全：低秩张量列车

该论文提出了一种新的张量补全问题的公式，以张量列车 (TT) 秩的形式介绍了该公式，可以通过平衡的矩阵化计算有效地捕获张量的全局信息。两种算法被提出来解决相应的张量补全问题。

Jan, 2016

利用低秩和模型无关表示进行时间知识图谱推理

介绍了一种基于张量分解的时间知识图谱补全方法 (Time-LowFER)，并提出了一种模型无关的、更广义的时间特征表示方法，实验表明该方法的表现与当前先进的语义匹配模型相当或更好。

Apr, 2022

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

低秩张量补全的并行矩阵分解

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

低秩张量完成：一种黎曼流形预条件的方法

本文提出了一种基于 Riemann manifold 预处理的新型张量完成问题求解方式，通过利用代价函数的最小二乘结构和 Tucker 分解的结构对称性，提出了一种新的 Riemann 度量或内积，使得可以在商流形上使用 Riemannian 优化框架来发展批次和在线设置的预处理非线性共轭梯度和随机梯度下降算法。在各种合成和真实世界数据集上的数值比较表明，所提出的算法在鲁棒性方面优于现有的其他算法。

May, 2016