近日，计算机与信息科学学院 软件学院罗辛教授团队携手英国皇家工程院院士Jim Woodcock在数据挖掘领域取得突破，研究成果《自编码神经Tucker分解》（Auto-encoding Neural Tucker Factorization）被国际著名期刊《IEEE知识与数据工程汇刊》（IEEE Transactions on Knowledge and Data Engineering）录用为长文并正式发表。
研究聚焦信息物理系统中高维不完整数据的建模问题，结合张量低秩分解与神经网络理论，提出了一种新型低秩隐因子分解模型——自编码神经Tucker分解（ANTucF），旨在高效挖掘数据中的隐式时空模式。与传统线性张量分解方法不同，ANTucF在Tucker低秩分解框架下引入非线性时空表征机制，综合采用数据驱动的密度导向建模、基于时空模式编码的特征交互张量构建以及自编码潜在交互学习等策略，从而在保持模型结构简洁的同时，通过实现核心张量的零化，显著提升其唯一性与表达能力。实验结果表明，ANTucF在真实数据集的缺失值恢复任务中表现优于多种先进基线模型，并能够捕捉更细粒度的复杂时空动态特征。
西南大学为论文第一完成单位。西南大学图与社会计算创新团队唐鹏博士为该论文第一作者；西南大学图与社会计算创新团队罗辛教授和英国皇家工程院院士Jim Woodcock教授为该论文共同通讯作者。该研究获得国家重点研发计划、国家自然科学基金、重庆市自然科学基金、重庆市技术创新与应用发展专项和重庆市教委科学技术研究计划等项目的资助。
论文链接：https://ieeexplore.ieee.org/abstract/document/11082558
