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: