一种基于 gossip 的矩阵补全二维分解方法
机器学习
2018-01-12 v2
摘要
将一个矩阵分解为两个低秩矩阵是许多问题的核心。矩阵补全问题尤其利用它将一个稀疏矩阵分解为两个非稀疏的低秩矩阵，从而可用于预测原始矩阵中的未知项。我们提出了一种可扩展且去中心化的方法：不同于为原始输入矩阵学习两个因子，我们将原始矩阵分解为网格块，其中每个块的因子仅需与相邻块通信（gossiping）即可单独学习。这消除了对任何中心服务器的需求。我们表明，我们的算法在合成与真实数据集上均表现良好。
引用
@article{arxiv.1711.07684,
title = {A two-dimensional decomposition approach for matrix completion through gossip},
author = {Mukul Bhutani and Bamdev Mishra},
journal= {arXiv preprint arXiv:1711.07684},
year = {2018}
}
备注
Appeared in the Emergent Communication Workshop at NIPS 2017