cp分解实现_浅谈张量分解（五）：稀疏张量的CP分解

在前面的文章中，我们已经讨论了稀疏张量的Tucker分解，并介绍了如何采用梯度下降训练出一个合理的分解结构，与Tucker分解略有不同，这篇文章将介绍在数学表达式上更为简洁的CP分解，同时讨论如何利用梯度下降训练出稀疏张量的CP分解结构。

需要注意的是，本文在撰写过程中尽量避开了繁琐的数学推导，阅读以下内容只需要具备以下几点即可：首先，知道高阶张量实质上是多维数组，且仅仅是向量和矩阵的高阶泛化；

其次，对高等数学所学习的求偏导数较为熟悉；

最后，对矩阵计算较为熟悉且感兴趣。

1 张量的CP分解模型

一般而言，给定一个大小为

的张量

，其CP分解可以写成如下形式，即

其中，矩阵

的大小分别为

，被称为因子矩阵(factor matrices)，符号“

”表示张量积，对于向量而言，这里的张量积与外积是等价的。张量

任意位置

上的元素估计值为