时空数据挖掘六

DisMASTD: An Efficient Distributed Multi-Aspect Streaming Tensor Decomposition

张量分解是许多数据驱动应用的基本多维数据分析工具，例如社会计算、计算机视觉和生物信息学。然而，快速增长的流数据给传统的静态张量分解带来了新的挑战。它需要一个高效的分布式动态张量分解，而不需要从头开始重新计算整个张量。本文提出了DisMASTD，一种高效的分布式多角度流张量分解方法。首先，证明了最优张量划分问题是np难问题。其次，提出了两种启发式的张量划分方法来保证负载均衡。再次，提出了一种分布式多角度流张量分解计算方法，通过维护和重用中间结果，避免了重复计算，减少了网络通信量。最后，在真实和合成数据集上进行了广泛的实验，以证明DisMASTD的效率和可扩展性。

阅读者总结：分布式动态张量分解问题