Volumen 13, Número 1, 2021

Canonical tensor scaling

Tung Nguyen and Jeffrey Uhlmann

Abstract

In this paper we generalize the canonical positive scaling of rows and columns of a matrix to the scaling of selected-rank subtensors of an arbitrary tensor. We expect our results and framework will prove useful for sparse-tensor completion required for generalizations of the recommender system problem beyond a matrix of user-product ratings to multidimensional arrays involving coordinates based both on user attributes (e.g., age, gender, geographical location, etc.) and product/item attributes (e.g., price, size, weight, etc.).

 

Tensor escalar canónico

Tung Nguyen and Jeffrey Uhlmann

Abstract

En este artículo se generaliza el escalamiento canónico de renglones y columnas de una matriz a un escalamiento de subtensores de rango seleccionado de un subtensor arbitrario. Esperamos que nuestros resultados y marco teórico sea útil para completar el tensor disperso necesario para la generalización del problema del sistema de la matriz de evaluación usuario-producto a arreglos multidisciplinarios basados tanto en atributos de usuario (edad, sexo, geolocalización, etc.) como en atributos del producto o artículo (precio, peso, tamaño, etc.)

DOI: https://doi.org/10.46571/JCI.2021.1.2

Texto completo:

PDF