Apr, 2024

基于李群流形的因子张量异质性缓解方法，用于基于张量分解的时间知识图嵌入

PDF
TL;DR我们提出了一种新的方法，将因子张量映射到统一的平滑 Lie 群流形上，以使因子张量的分布在张量分解中逼近均匀，从而克服了因子张量之间固有的异质性在张量融合过程中的显著障碍，并进一步限制了链接预测的性能。
发现论文，激发创造
  • 基于流形优化的异构张量分解聚类

    本文针对多维数组数据具有丰富结构，而向量化方法难以完整表述结构信息的问题，提出了一种基于新型异构 Tucker 分解模型的子空间聚类算法，并探究了二阶黎曼几何的多项式流形及核心域中的优化问题。数值实验表明，该算法与基于张量因数分解的最新聚类算法竞争效果明显。

    Apr, 2015

  • 知识增强的张量分解在知识图谱事实预测中的应用

    本文提出了一族新的方法，将知识图谱嵌入到实值张量中，使用这些基于张量的嵌入可以更加准确地预测新事实。通过实证评估，证明了这些张量分解模型的有效性和可靠性。

    Feb, 2019

  • 非参数因子轨迹学习动态张量分解

    该研究提出了一种名为 “NONFAT” 的方法，它使用高斯过程先验和稀疏变分学习算法来实现动态张量分解，以分析伴随有时间信息的多维数据，并应用于多种实际应用中。

    Jul, 2022

  • 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

  • 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

  • 层次 Tucker 流形的优化 - 张量补全应用

    本文采用分层 Tucker 张量和优化算法，快速插值了实际场景中的大规模地震数据集。

    May, 2014

  • 子空间扩散分离

    提出一种新的非参数对称性解缠算法：GEOMANCER，它通过估计随机扩散下的不变子空间来实现数据流形的完全无监督解缠，并对多个复杂合成流形的实验证明了其有效性。

    Jun, 2020

  • 通过张量分解发现高维人类行为数据中的隐藏结构

    应用非负张量因式分解方法在穿戴式传感器数据集 StudentLife 中，提取潜在的时间因素和相似个体群组，成功发现了表现良好的个体和常常从事休闲活动的个体，从而揭示了数据的低维结构。

    May, 2019

  • 基于复杂张量分解的知识图谱补全

    本文介绍了一种基于复杂嵌入的统计关系学习方法，在实现表达能力和时间 / 空间复杂度之间权衡的同时，探索了这种复杂嵌入和酉对角化之间的联系，提出的嵌入方法仅涉及共轭内积，具有良好的可扩展性和高准确率。

    Feb, 2017

  • 等变神经网络的李群分解

    使用李群和李代数的结构与几何学，提出了一个框架，用来在大多数情况下处理几何变换的不规则群，重点关注李群 GL+(n, R) 和 SL (n, R)，以及它们作为仿射变换的表示。通过将 `较大的` 群分解为子群和子流形来实现不变积分和全局参数化。在这个框架下，我们展示了如何参数化卷积核来构建关于仿射变换等变的模型，并在标准的仿射不变基准分类任务上评估了我们模型的鲁棒性和越域泛化能力，结果表明我们的模型优于所有先前的等变模型以及所有胶囊网络提议。

    Oct, 2023