IJCAIMay, 2022

GOCPT：广义在线典型多重张量分解与完成

PDF
TL;DR该论文提出了一种名为 GOCPT 的广义在线 CP 张量分解和完成框架，用于处理张量在演化过程中更为复杂的情景，其中保持张量的 CP 结构。通过该框架，可以统一以往已有的在线张量分解和完成设置。此外，文中还提出了一种 GOCPTE 的变体，以处理历史张量元素不可用的情景，该方法的性能与 GOCPT 相似，但计算成本减少很多。实验结果表明，相对于基线模型，GOCPT 在 JHU Covid 数据集上可以提高 2.8% 的拟合优度，在专有患者索赔数据集上可以提高 9.2% 的拟合优度，而 GOCPTE 在两个数据集上可以提高 1.2% 和 5.5% 的拟合优度，并比最佳模型快大约 20%。
tensor factorizationonline learningdynamic evolutioncanonical polyadicprivacy protection
发现论文，激发创造
  • 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

  • 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

  • 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

  • MTC: 从部分和粗略观测中进行多分辨率张量补全

    本文提出了一个高效的 Multi-resolution Tensor Completion Model (MTC) 来解决张量部分观测值的补全问题，该模型实现了张量模式特性的探索，并利用分辨率层次进行递归优化。在两个 COVID-19 相关的时空张量上的实验证明，MTC 可以在仅有 5% 细颗粒观测情况下提供达到 65.20% 和 75.79% 的适配度 (PoF)，相对于最佳基线的相对改进为 27.96%。

    Jun, 2021

  • 具自动秩确定的不完整张量的贝叶斯 CP 分解

    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

  • 广义规范多重张量分解

    该论文发展了一种广义的低秩张量分解（GCP），使其可以适用于二进制或计数数据，其中除了平方误差损失函数外，还可以使用逻辑损失或 Kullback-Leibler 散度损失函数，我们提供了基于统计动机的多种损失函数，为计算梯度和处理缺失数据提供了广义框架，从而可以使用标准优化方法来拟合模型，在社交网络，老鼠的神经活动和印度的月降雨数据等几个真实世界的例子中展示了 GCP 的灵活性。

    Aug, 2018

  • 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

  • 通过整数优化的张量补全

    该研究论文中介绍了一种解决张量完备问题的新算法，通过采用基于凸优化问题和基于规范的张量范数的约束来解决计算能力与信息论采样复杂性之间的矛盾，实现了收敛性和信息论速率。

    Feb, 2024

  • 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

  • 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

    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。

    Dec, 2019