VeST：大规模张量的非常稀疏 Tucker 分解
摘要：输入数据的张量如何分解为稀疏核张量和因子矩阵，以便更容易解释结果？我们如何在不降低准确性的情况下实现这一点？现有的方法要么输出稠密结果，要么具有较低的准确性。在本文中，我们提出了一种称为VeST的张量分解方法，用于处理部分可观测数据，以输出非常稀疏的核张量和因子矩阵。VeST首先进行初始分解，确定分解结果中不重要的条目，然后删除这些不重要的条目，并仔细更新剩余的条目。为了确定不重要的条目，我们定义并使用分解结果的逐条项“责任”。这些条目在并行计算中以坐标下降方式进行迭代更新，以实现可扩展性计算。广泛的实验证明，与竞争对手相比，我们的VeST方法至少更稀疏2.2倍，更准确2.8倍。此外，VeST在输入顺序、维度和可观测条目数量方面具有可扩展性。多亏了VeST，我们能够根据生成的因子矩阵的稀疏模式成功解释真实世界张量数据的结果。
作者：Moonjeong Park, Jun-Gi Jang, and Lee Sael
论文ID：1904.02603
分类：Numerical Analysis
分类简称：cs.NA
提交时间：2019-04-10