热带半环上的矩阵三因子分解

热带半环在最优控制、生物信息学、离散事件系统以及求解决策问题等多个研究领域中已被证明是成功的。在先前研究中，基于热带半环的矩阵二因子分解算法已被用于研究二部与三部网络。基于标准线性代数的三因子分解算法被用于解决数据融合、共聚类、矩阵补全、社区发现等任务。然而，目前尚无热带矩阵三因子分解方法，而这类方法可用于分析具有大量分区的多部网络。为此，我们提出 triFastSTMF 算法，该算法在热带半环上执行三因子分解。我们将其应用于分析一个四分区网络结构并恢复网络的边长度。我们表明，当在整个网络上拟合时，triFastSTMF 在逼近与预测性能方面与 Fast-NMTF 表现相近。当在特定子网络上训练并用于预测整个网络时，triFastSTMF 以小几个数量级的误差优于 Fast-NMTF。triFastSTMF 的鲁棒性源于热带运算，与标准运算相比，其更不易预测出大值。