...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>ACM transactions on intelligent systems >Tensors for Data Mining and Data Fusion: Models, Applications, and Scalable Algorithms
【24h】

Tensors for Data Mining and Data Fusion: Models, Applications, and Scalable Algorithms

机译：用于数据挖掘和数据融合的张量：模型，应用程序和可扩展算法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Tensors and tensor decompositions are very powerful and versatile tools that can model a wide variety of heterogeneous, multiaspect data. As a result, tensor decompositions, which extract useful latent information out of multiaspect data tensors, have witnessed increasing popularity and adoption by the data mining community. In this survey, we present some of the most widely used tensor decompositions, providing the key insights behind them, and summarizing them from a practitioner's point of view. We then provide an overview of a very broad spectrum of applications where tensors have been instrumental in achieving state-of-the-art performance, ranging from social network analysis to brain data analysis, and from web mining to healthcare. Subsequently, we present recent algorithmic advances in scaling tensor decompositions up to today's big data, outlining the existing systems and summarizing the key ideas behind them. Finally, we conclude with a list of challenges and open problems that outline exciting future research directions.
机译：张量和张量分解是功能强大且用途广泛的工具，可以对各种异构，多方面的数据进行建模。结果，张量分解从多方面数据张量中提取有用的潜在信息，见证了数据挖掘社区的日益普及和采用。在本次调查中，我们介绍了一些使用最广泛的张量分解，提供了其背后的关键见解，并从实践者的角度对其进行了总结。然后，我们概述了非常广泛的应用，在这些应用中，张量在实现最新性能方面发挥了作用，范围从社交网络分析到大脑数据分析，从网络挖掘到医疗保健。随后，我们介绍了在将张量分解扩展到当今的大数据方面的最新算法进展，概述了现有系统并总结了其背后的关键思想。最后，我们总结了一系列挑战和悬而未决的问题，概述了令人兴奋的未来研究方向。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号