用于转置数据的约束矩阵变量高斯过程

转置数据表示两组实体之间的交互，通常以包含已知交互值的矩阵形式表示。额外的辅助信息可能包括对应于矩阵行和/或列实体的特征向量。还可能存在沿同一模式（轴）的实体间交互或层次结构信息。我们提出了一种新的方法，用于在给定额外辅助信息的情况下对具有缺失交互的转置数据进行建模。交互被建模为来自潜在无噪声矩阵的带噪声观测，该矩阵由矩阵变量高斯过程生成。利用辅助信息构建行和列协方差，为指定数据中行和列相关性的先验知识提供了一种灵活机制。此外，这种先验与辅助信息的结合使得能够对训练数据中未观察到的新行和新列进行预测。在这项工作中，我们将矩阵变量高斯过程模型与低秩约束相结合。将约束高斯过程方法应用于基因-疾病之间隐藏关联的预测，使用少量观测到的关联以及由基因-基因交互网络和疾病本体诱导的先验协方差。所提方法也应用于推荐系统数据，涉及使用已知关联以及由社交网络诱导的先验协方差来预测用户对项目的评分。我们给出了实验结果，突出了约束矩阵变量高斯过程与每个领域中最先进方法相比的性能。