- 基于模态因子分解的多模态融合
提出了一种新的理解和调节多模推理任务中每种模态相对贡献的技术 —— 基于模态减少冗余的融合（MRRF）方法，并应用它于情感分析、人格特征识别和情感识别等多个数据集上，取得了比现有技术相比 1% 至 4% 的改善效果。
- WWW基于美学的服装推荐
本文提出了一种将审美特征引入衣服推荐系统的方法，首先介绍了一个预先训练的用于审美评估任务的神经网络提取审美特征，然后提出一个新的张量分解模型以个性化的方式整合这些特征，实验证明这种方法能够捕捉用户的审美偏好并且显著优于其他推荐方法。
- 超网络知识图谱嵌入
本文提出一种基于超网络结构的张量分解方法，用于实现知识图谱中链接预测任务，取得了比 ConvE 和所有以前的方法更好的性能表现，同时能够作为张量分解模型的一种简化（相比较于卷积神经网络方法）而得到推广。
- SIGIR基于多任务学习的评论文本可解释推荐
本研究旨在开发一种多任务学习解决方案，通过联合张量分解整合用户偏好模型和文本解释模型来解释自动生成的推荐，从而提高用户的满意度，并且得到了两个大型 Amazon 和 Yelp 评论数据集的证实。
- NIPS知识图谱链接预测的 SimplE 嵌入
本研究介绍了 SimplE 算法，通过它可以更好地学习知识图谱中实体的表示方式，从而提高链路预测准确度。
- ICCV低秩建模的鲁棒可克罗内克分解成分分析
该论文介绍了一种新的具有鲁棒性的图像分解方法，并通过与张量因子分解的联系设计了有效的学习算法，在背景减除和图像去噪等现实应用中取得了较好的效果。
- KDD深度张量编码
通过使用张量分解的结构约束，可以使基于内容的图像检索具有与 Fisher 向量编码图像签名相当的检索结果。
- 稀疏分层 Tucker 分解及其在医疗保健中的应用
提出一种新的张量分解方法：稀疏分层 - 特克 （Sparse H-Tucker），用于解决稀疏和高阶数据张量的问题。该方法的嵌套采样技术解决了传统的层次特克方法中所存在的可扩展性问题，此方法更快，更节省空间，并且能够构建一个可解释的疾病层次 - 评分的五十种变化：如何在 Top-N 推荐任务中受益于负反馈
提出了一种使用三阶张量分解技术进行在线协同过滤的方法，该方法可通过处理用户反馈作为分类变量建模，并对评价指标进行调整，消除负面反馈的影响，从而提供优质推荐，实现一开始即可个性化推荐。与标准的协同过滤不同，该方法同样精确预测相关物品，即使仅获 - ICLR深度多任务表示学习：张量分解方法
本文提出了一种新的深度多任务表示学习框架，通过将矩阵分解技术泛化为张量分解，实现了深度网络中的端到端知识共享的自动学习，而不需要用户定义的多任务共享策略。实验证明了我们的深度多任务表示学习方法在提高准确性和减少设计选择方面的有效性。
- 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。
- 张量方法与推荐系统
本文为了弥补目前推荐系统领域中对于基于张量方法的研究欠缺的问题，全面回顾和讨论了基于张量的推荐模型的应用以及未来的发展方向。
- CVPR通过多维字典学习进行的三维数据去噪和补全
本文提出了一种新的面向多维数据的字典学习算法 KTSVD，通过张量分解的代数方法直接学习多维字典，并且应用稀疏编码的思想进行视频填充和多光谱图像去噪处理。
- 一种灵活高效的约束矩阵和张量分解算法框架
提出一种新的混合算法框架，将交替优化和交替方向乘子法相结合，称为交替优化 - 交替方向乘子法。该框架适用于矩阵和张量因子分解，可以自然地适应各种约束和拟合损失，并通过缓存和启发式策略实现了高效更新，在实践中具有更快和更稳定的收敛。非负矩 / - 张量的新采样技术
本文提出了新技术，以加速机器学习中最近流行的张量算法，并通过一种新的随机方式仅选择可能 n^3 元素的 O (n ^ 1.5/ Epsilon ^ 2) 元素，以达到张量稀疏化，张量完成和张量因子化的三个目的。
- 通过矩阵分解实现张量分解
本研究提出了一种新的 CP 张量分解方法，使用了随机投影算法降低了问题难度并在模拟和真实数据集上得到了更好的表现。
- ICLR通过联合预测和分解关系从文本中诱导语义表示
结合无监督学习和张量分解技术，提出一种新的语义角色识别方法，不需要先验语言知识，可达到与现有的英文最准确的角色识别方法相当的水平。
- 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。
- 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。
- 通过交替方向乘子法的受限张量分解并行算法
本篇研究提出了一种基于 ADMoM 的约束张量分解框架，构建分布式算法，有效节省计算量，可以更容易地纳入其他类型的约束条件下优化计算，其中以非负性为基线限制，实践结果非常鼓舞人心，说明 ADMoM 非负张量分解 (NTF) 作为一种替代非常