《大規模張量分析中的非參貝葉斯學習技術研究》是依託電子科技大學,由徐增林擔任醒目負責人的面上項目。
基本介紹
- 中文名：大規模張量分析中的非參貝葉斯學習技術研究
- 依託單位：電子科技大學
- 項目類別：面上項目
- 項目負責人：徐增林
- 批准號：61572111
- 申請代碼：F0605
- 負責人職稱：教授
- 研究期限：2016-01-01 至 2019-12-31
- 支持經費：63（萬元）
項目摘要
張量（矩陣向三維或更高維的擴展）廣泛存在於許多現實系統中，例如社會網路中的<用戶-圖片-圖片標記-地理位置>和電子商務中的<用戶-商品-交易-時間>。比起向量或矩陣表示，張量可以有效包含不同模之間的關聯關係並有助於大大提高預測精度。張量分解是處理張量數據的主要手段，但是大多張量分解算法是線性的，不足以描述張量元素間的複雜關係，而且難以處理缺失值和數值類型問題，或者很難套用於大規模數據中。為了解決上述問題，本研究將在前期工作基礎上，通過探討隨機圖理論和矩陣/張量分布理論，結合非參貝葉斯學習理論，提出更具有泛化能力的貝葉斯張量分解模型。然後將進一步拓展動態張量模型以描述張量數據的動態變化，並探討線上學習和分散式學習策略來開發能夠適應於大規模數據的張量分解算法工具包。最後，作為本研究的最終評價系統，申請人將在公開和實際的大規模張量數據集中對算法進行測試，並設計基於大規模張量分析的推薦系統。
