本論文では、低ランク近似のためのカウントスケッチの位置を最適化する新しいアルゴリズムを提案する。従来のアプローチでは、ランダムに選択された位置にのみ注目していたが、本手法では位置の最適化も行うことで、より高精度な低ランク近似を実現できる。
本論文では、スケール不変性に起因する暗黙的な正則化効果を明らかにし、正則化関数と正則化ハイパーパラメータの選択を容易にする。また、β-divergenceを損失関数とし、混合スパース正則化を持つ正則化低ランク近似の効率的な最適化アルゴリズムを提案する。