[論文レビュー] SimTensor: A synthetic tensor data generator

Hadi Fanaee‐T, João Gama|arXiv (Cornell University)|Dec 9, 2016

Tensor decomposition and applications参考文献 18被引用数 5

ひとこと要約

SimTensor は、CP もしくは Tucker 構造を持つ合成テンソルデータを生成するオープンソースで独立型のソフトウェアであり、周期的波、季節的要因、ストリーミングデータ、変化点、異常値などの時間的ダイナミクスをサポートしています。非負性やスパarsity などの制約を適用でき、CSV/HDF5 へのエクスポートも可能であるため、テンソル因子分解における再現可能性のある研究を可能にします。

ABSTRACT

SimTensor is a multi-platform, open-source software for generating artificial tensor data (either with CP/PARAFAC or Tucker structure) for reproducible research on tensor factorization algorithms. SimTensor is a stand-alone application based on MATALB. It provides a wide range of facilities for generating tensor data with various configurations. It comes with a user-friendly graphical user interface, which enables the user to generate tensors with complicated settings in an easy way. It also has this facility to export generated data to universal formats such as CSV and HDF5, which can be imported via a wide range of programming languages (C, C++, Java, R, Fortran, MATLAB, Perl, Python, and many more). The most innovative part of SimTensor is this that can generate temporal tensors with periodic waves, seasonal effects and streaming structure. it can apply constraints such as non-negativity and different kinds of sparsity to the data. SimTensor also provides this facility to simulate different kinds of change-points and inject various types of anomalies. The source code and binary versions of SimTensor is available for download in http://www.simtensor.org.

研究の動機と目的

• テンソル因子分解アルゴリズムのベンチマークに適した包括的で現実的かつ再現可能な合成テンソルデータの不足に対処すること。
• MATLAB 依存のテンソル生成ツールに代わる、プラットフォームに依存しないオープンソースの代替手段を提供し、多様なプログラミング言語を使用する研究者への広範なアクセスを可能にすること。
• 周期性、季節的要因、ストリーミング動作、構造的変化点などの時間変動するテンソル特性をサポートすること。
• 異常値の挿入と制約（非負性、スパarsity）の適用により、現実世界のデータ課題を模擬すること。
• ユーザーフレンドリーな GUI と標準化されたデータエクスポート形式を通じて、多様なデータ設定におけるテンソル因子分解アルゴリズムの評価を容易にすること。

提案手法

• ガンマ分布、多変量正規分布、一様分布、標準正規分布、および直交行列などの複数の確率分布モジュールを用いて、因子行列を構築することで、CP もしくは Tucker 分解を用いた合成テンソルの生成を行う。
• モジュラーなアーキテクチャを採用しており、ユーザーが因子行列やコアテンソルの分布タイプおよび制約（例：非負性、スパarsity）を選択可能である。
• 周期的波、季節的要因、ストリーミングデータ構造を用いた時間的テンソル生成をサポートし、現実世界の時間的変化するデータを模擬する。
• 変化点検出および異常値挿入メカニズムを統合し、テンソルデータにおける構造的シフトや外れ値を模擬する。
• 相互運用性を確保するため、普遍的なフォーマット（CSV、HDF5）へのエクスポート機能を提供し、Python、R、C++、Java などのプログラミング言語間での利用を可能にする。
• ベイジアンテンソル因子分解に適した、ガンマ分布に従う要因に基づくポアソン分布データを用いたスパースカウントテンソル生成といった高度な機能を統合する。

実験結果

リサーチクエスチョン

• RQ1 周期性、季節的要因、ストリーミングダイナミクスなどの時間的変動する挙動を現実的に模倣できる合成テンソルデータは、どのように生成できるか？
• RQ2 合成テンソルデータへの異常値および変化点の効果的な挿入を可能にするメカニズムは何か？
• RQ3 非負性、スパarsity、および列相関といった制約を、因子行列およびコアテンソルに対して体系的かつ一貫して適用する方法は何か？
• RQ4 スタンドアロン型でオープンソースのツールは、MATLAB 依存のテンソル生成ツールに比べて、アクセシビリティおよび拡張性の面でどの程度優れているか？
• RQ5 統一されたフレームワークは、カスタマイズ可能で再現可能かつ拡張可能な合成データ生成を通じて、多様なテンソル因子分解アルゴリズムをサポートできるか？

主な発見

• SimTensor は、周期的波や季節的要因を含む複雑な時間的ダイナミクスを持つ CP および Tucker 構造の合成テンソルを正常に生成できた。
• 変化点および異常値の挿入をサポートしており、段階的およびロバストなテンソル因子分解アルゴリズムの評価が可能になった。
• 非負性およびスパarsity 制約のサポートにより、非負性およびスパーステンソル因子分解アルゴリズムの評価に適した環境を提供した。
• ガンマ分布に従う要因に基づくポアソン分布データを用いたスパースカウントテンソルの生成が可能であり、ベイジアンテンソル因子分解に最適である。
• SimTensor のスタンドアロン型アーキテクチャおよび CSV、HDF5 などの複数のエクスポートフォーマットのサポートにより、さまざまなプログラミング環境およびプラットフォームでの広範な互換性が確保された。
• ソフトウェアはオープンソースであり拡張可能であり、コミュニティの貢献や、現在の機能セットを超える新しいアルゴリズム的要件への対応が可能である。