[论文解读] Deterministic and Probabilistic Conditions for Finite Completability of Low-Tucker-Rank Tensor

Morteza Ashraphijuo, Vaneet Aggarwal+1 more|arXiv (Cornell University)|Dec 6, 2016

Tensor decomposition and applications参考文献 60被引用 3

一句话总结

本文通过在Tucker流形上运用代数几何，提出了低Tucker秩张量有限且唯一可完成的确定性和概率性条件。通过将采样条目建模为Tucker分解分量中的多项式，建立了保证有限或唯一完成的代数独立性条件，将先前基于Grassmannian的方法扩展至可处理张量中多个秩分量的情形。

ABSTRACT

We investigate the fundamental conditions on the sampling pattern, i.e., locations of the sampled entries, for finite completability of a low-rank tensor given some components of its Tucker rank. In order to find the deterministic necessary and sufficient conditions, we propose an algebraic geometric analysis on the Tucker manifold, which allows us to incorporate multiple rank components in the proposed analysis in contrast with the conventional geometric approaches on the Grassmannian manifold. This analysis characterizes the algebraic independence of a set of polynomials defined based on the sampling pattern, which is closely related to finite completion. Probabilistic conditions are then studied and a lower bound on the sampling probability is given, which guarantees that the proposed deterministic conditions on the sampling patterns for finite completability hold with high probability. Furthermore, using the proposed geometric approach for finite completability, we propose a sufficient condition on the sampling pattern that ensures there exists exactly one completion for the sampled tensor.

研究动机与目标

• 确定采样模式的确定性必要与充分条件，以保证低Tucker秩张量的有限可完成性。
• 将代数几何分析从Grassmannian流形扩展至Tucker流形，以纳入多个秩分量。
• 推导确保以高概率实现有限可完成性的概率性采样条件。
• 提出采样模式的充分条件，以保证张量的唯一可完成性。
• 克服先前基于Grassmannian的方法无法同时处理多个秩约束的局限性。

提出的方法

• 通过参数化Tucker分解来建模低Tucker秩张量完成问题，并将观测条目表示为分解分量中的多项式方程。
• 应用代数几何分析这些多项式的代数独立性，其与有限可完成性直接相关。
• 利用“通用性”概念，确保多项式系统的结构能反映Tucker分解的底层流形几何。
• 推导采样概率的下界，以确保在高概率下满足确定性有限可完成性条件。
• 引入规范基表示（定义12）以简化分解并促进代数分析。
• 应用扩展的Hall定理框架，分析张量在多个矩阵化形式下的秩约束。

实验结果

研究问题

• RQ1 当多个Tucker秩分量已知时，何种确定性采样模式可确保低Tucker秩张量的有限可完成性？
• RQ2 如何利用Tucker流形上的代数几何，超越Grassmannian流形框架，分析有限可完成性？
• RQ3 确保低Tucker秩张量以高概率实现有限可完成性的最小采样概率是多少？
• RQ4 在何种采样条件下，低Tucker秩张量具有唯一可完成性？
• RQ5 所提方法能否像先前基于Grassmannian的方法那样，同时处理多个秩约束？

主要发现

• 本文确立了有限可完成性等价于由采样模式和Tucker分解分量导出的一组多项式的代数独立性。
• 若对应多项式代数独立，则采样模式可确保有限可完成性，提供了必要且充分的条件。
• 为实现有限可完成性，每维所需样本数约为 O(max{log(n), r})，显著低于基于优化的方法所需的 O(log(n)r^{2.5}) 个样本。
• 在例5的特定秩-2矩阵中，分析确认恰好存在两种可能的完成方式，验证了该方法在解计数上的精确性。
• 当采样模式满足由扩展Hall定理与代数独立性推导出的充分条件时，可实现唯一可完成性。
• 概率性分析提供了采样概率的下界，使得确定性有限可完成性条件以高概率成立，从而在随机采样下实现稳健恢复。