Deep tensor decomposition: A survey

Meng Zhao

doi:10.1016/j.neucom.2025.132074

Deep tensor decomposition: A survey

2025-11-11

0

PRE

AI

DOI：10.1016/j.neucom.2025.132074

原文链接

原文求助

摘要

En 中文

张量分解（TD）已被公认为一种有效的多线性降维和特征提取技术数十年。然而，传统的TD方法在捕捉高维数据集中的复杂层次结构和非线性关系方面往往面临挑战。例如，在生物医学领域，疾病组可能自然包含亚组或表现出层次结构；疾病、药物和靶点之间的机制性相互作用通常呈现非线性特征。为应对这些挑战，受深度学习成功启发的一种新范式——深度张量分解（深度TD）已近年出现。深度TD技术主要可分为两大类：线性深度TD和非线性深度TD。线性深度TD利用深度神经网络（DNNs）的层状结构，递归分解经典TD获得的因子矩阵，从而实现多粒度级别的特征提取。非线性深度TD则借助DNNs的表达能力来捕捉数据中的非线性相关性。尽管进展迅速，深度TD方法仍缺乏统一处理。在本综述中，我们全面回顾了深度TD模型、用于TD的深度学习训练方案以及深度TD模型的应用。最后，我们讨论了开放性挑战，并概述了未来研究的可行方向。

Deep tensor decomposition: A survey

摘要

期刊

机构

引用论文