面向稀疏计数数据的 AL$\ell_0$CORE 张量分解
机器学习
2024-03-14 v2 机器学习
摘要
本文介绍了 ALCORE，一种新型概率非负张量分解。ALCORE 是一种 Tucker 分解，其中核心张量的非零元素数量（即 范数）被约束为一个远小于核心大小的预设值 。虽然用户规定了总预算 ，但非零元素的位置和值是潜变量，并在推理过程中在核心张量间进行分配。ALCORE——即分配的 约束核心——因此同时具备 CP 分解的计算可处理性和 Tucker 分解在性质上具有吸引力的潜结构。在一组真实数据实验中，我们证明了 ALCORE 通常只需要完整核心的极小部分（例如 1%），即可获得与完整 Tucker 分解相同的结果，而成本仅为其相应的一小部分。
引用
@article{arxiv.2403.06153,
title = {The AL$\ell_0$CORE Tensor Decomposition for Sparse Count Data},
author = {John Hood and Aaron Schein},
journal= {arXiv preprint arXiv:2403.06153},
year = {2024}
}