Core Concepts
텐서 분해를 위한 Khatri-Rao 제품 레버리지 샘플링
Abstract
레버리지 점수의 정확한 분포에 따라 행을 무작위로 샘플링하는 데이터 구조를 제안합니다.
Khatri-Rao 제품의 행에서 정확한 레버리지 점수 분포를 사용하여 선형 최소 제곱 문제를 해결하는 방법을 설명합니다.
CP 분해에 대한 최근의 최첨단 방법보다 낮은 점근적 복잡성을 달성합니다.
수십만 개의 행을 가진 Khatri-Rao 제품을 사용하여 실험을 통해 우리의 알고리즘이 경쟁 알고리즘보다 더 높은 정확도를 달성함을 입증합니다.
Stats
우리의 방법은 최대 3.78 × 10^22개의 행을 가진 Khatri-Rao 제품에서도 0.31초의 평균 시간으로 샘플링합니다.
CP-ARLS-LEV 알고리즘은 Reddit 텐서에서 R = 100의 경우에도 STS-CP보다 최대 적합도를 달성할 수 없음을 보여줍니다.
Quotes
"우리의 방법은 CP-ARLS-LEV보다 더 높은 최대 적합도를 달성하며 더 빠르게 진전합니다."
"Reddit 텐서에서 STS-CP는 CP-ARLS-LEV보다 더 높은 적합도를 지속적으로 달성합니다."