基于广义 vec 技巧的快速 Kronecker 积核方法
机器学习
2022-02-07 v3 机器学习
摘要
Kronecker 积核为从图数据中学习提供了核方法文献中的标准方法，其中边带有标签，且起始顶点和终止顶点均有各自的特征表示。该方法允许泛化到起始和终止顶点未在训练数据中出现的新边，这种设定被称为零样本或零数据学习。此类设定出现在众多应用中，包括药物-靶点相互作用预测、协同过滤和信息检索。对于训练数据为完全二部图的情况，已有基于所谓 vec 技巧的高效训练算法，该技巧利用了 Kronecker 积的特殊结构。在本工作中，我们将这些结果推广到非完全训练图。这使我们能够推导出训练 Kronecker 积核方法的一般框架，作为具体示例，我们实现了 Kronecker 岭回归和支持向量机算法。实验结果表明，所提方法能得到精确的模型，同时在训练和预测时间上实现了数量级的提升。
引用
@article{arxiv.1601.01507,
title = {Fast Kronecker product kernel methods via generalized vec trick},
author = {Antti Airola and Tapio Pahikkala},
journal= {arXiv preprint arXiv:1601.01507},
year = {2022}
}