• Journal of applied mathematics & informatics
• /
• 제11권1_2호
• /
• pp.59-80
• /
• 2003

An incomplete factorization method for preconditioning symmetric positive definite matrices is introduced to solve normal equations. The normal equations are form to solve linear least squares problems. The procedure is based on a block incomplete Cholesky factorization and a multilevel recursive strategy with an approximate Schur complement matrix formed implicitly. A diagonal perturbation strategy is implemented to enhance factorization robustness. The factors obtained are used as a preconditioner for the conjugate gradient method. Numerical experiments are used to show the robustness and efficiency of this preconditioning technique, and to compare it with two other preconditioners.

• Journal of the Korean Physical Society
• /
• 제73권9호
• /
• pp.1230-1239
• /
• 2018

We derive a factorization theorem for the jet mass distribution with a given $p^J_T$ for the inclusive production, where $p^J_T$ is a large jet transverse momentum. Considering the small jet radius limit ($R{\ll}1$), we factorize the scattering cross section into a partonic cross section, the fragmentation function to a jet, and the jet mass distribution function. The decoupled jet mass distributions for quark and gluon jets are well-normalized and scale invariant, and they can be extracted from the ratio of two scattering cross sections such as $d{\sigma}/(dp^J_TdM^2_J)$ and $d{\sigma}/dp^J_T $. When $M_J{\sim}p^J_TR$, the perturbative series expansion for the jet mass distributions works well. As the jet mass becomes small, large logarithms of $M_J/(p^J_TR)$ appear, and they can be systematically resummed through a more refined factorization theorem for the jet mass distribution.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권9호
• /
• pp.4684-4705
• /
• 2019

Collaborative filtering recommender systems are vulnerable to shilling attacks in which malicious users may inject biased profiles to promote or demote a particular item being recommended. To tackle this problem, many robust collaborative recommendation methods have been presented. Unfortunately, the robustness of most methods is improved at the expense of prediction accuracy. In this paper, we construct a robust Bayesian probabilistic matrix factorization model for collaborative filtering recommender systems by incorporating the detection of user anomaly rating behaviors. We first detect the anomaly rating behaviors of users by the modified K-means algorithm and target item identification method to generate an indicator matrix of attack users. Then we incorporate the indicator matrix of attack users to construct a robust Bayesian probabilistic matrix factorization model and based on which a robust collaborative recommendation algorithm is devised. The experimental results on the MovieLens and Netflix datasets show that our model can significantly improve the robustness and recommendation accuracy compared with three baseline methods.

• East Asian mathematical journal
• /
• 제39권5호
• /
• pp.523-528
• /
• 2023

Let S_n = [S(i, j)]_1≤i,j≤n and S^*_n = [S(i + j, j)]_1≤i,j≤n where S(i, j) is the Stirling number of the second kind. Choi and Jo [On the determinants of the square-type Stirling matrix and Bell matrix, Int. J. Math. Math. Sci. 2021] obtained the diagonal entries of matrix U in the LU-factorization of S^*_n for calculating the determinant of S^*_n, where L = S_n. In this paper, we compute the all entries of U in the LU-factorization of matrix S^*_n. This implies the identities related to Stirling numbers of both kinds.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권3호
• /
• pp.721-739
• /
• 2023

Rating prediction is an important issue in recommender systems, and its accuracy affects the experience of the user and the revenue of the company. Traditional recommender systems use Factorization Machinesfor rating predictions and each feature is selected with the same weight. Thus, there are problems with inaccurate ratings and limited data representation. This study proposes a deep recommendation model based on self-attention Factorization (SAFMR) to solve these problems. This model uses Convolutional Neural Networks to extract features from user and item reviews. The obtained features are fed into self-attention mechanism Factorization Machines, where the self-attention network automatically learns the dependencies of the features and distinguishes the weights of the different features, thereby reducing the prediction error. The model was experimentally evaluated using six classes of dataset. We compared MSE, NDCG and time for several real datasets. The experiment demonstrated that the SAFMR model achieved excellent rating prediction results and recommendation correlations, thereby verifying the effectiveness of the model.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권5호
• /
• pp.347-352
• /
• 2009

주어진 비음수 데이터를 두 개의 비음수 행렬의 곱의 형태로 표현하는 비음수 행렬 분해(Nonnegative Matrix Factorization)는 비음수 데이터의 다변량 분석에서 폭넓게 사용되고 있는 방법이다. 비음수 행렬 분해는 집단화(Clustering), 특히 문서의 집단화에서 유용하게 쓰일 수 있다. 본 논문에서는 주어진 문서들로부터 구성된 단어-문서 행렬을 두 개의 비음수 행렬의 곱으로 분해할 때, 그 중 하나의 행렬에 직교 제한을 주는 비음수 행렬의 직교 분해(Orthogonal Nonnegative Matrix Factorization) 방법을 다룬다. 현존하는 비음수 행렬의 직교 분해 방법은 직교 제한과 관련된 항을 더해주는 방식을 사용하지만, 여기서는 Stiefel 다양체 위에서의 실제 기울기를 직접 구하여 곱셈의 업데이트 알고리즘을 유도하였다. 다양한 문서 데이터에 대한 실험을 통해 새롭게 유도된 비음수 행렬의 직교 분해 방법이 기존의 비음수 행렬 분해나 기존의 비음수 행렬의 직교 분해보다 문서 집단화에서 우수한 성능을 나타냄을 보였다.

• 디지털콘텐츠학회 논문지
• /
• 제18권4호
• /
• pp.707-712
• /
• 2017

데이터의 양이 기하급수적으로 증가함에 따라 추천 시스템(recommender system)은 영화, 도서, 음악 등 다양한 산업에서 관심을 받고 있고 연구 대상이 되고 있다. 추천시스템은 사용자들의 과거 선호도 및 클릭스트림(click stream)을 바탕으로 사용자에게 적절한 아이템을 제안하는 것을 목적으로 한다. 대표적인 예로 넷플릭스의 영화 추천 시스템, 아마존의 도서 추천 시스템 등이 있다. 기존의 선행 연구는 협업적 여과, 내용 기반 추천, 혼합 방식의 3가지 방식으로 크게 분류할 수 있다. 하지만 기존의 추천 시스템은 희소성(sparsity), 콜드스타트(cold start), 확장성(scalability) 문제 등의 단점들이 있다. 이러한 단점들을 개선하고 보다 정확도가 높은 추천 시스템을 개발하기 위해 실제 온라인 기업의 상품구매 데이터를 이용해 factorization machine으로 추천시스템을 설계했다.

• 호남수학학술지
• /
• 제23권1호
• /
• pp.59-66
• /
• 2001

A class of topological algebras, which we call it a fundamental one, has already been introduced to generalize the locally bounded and locally convex algebras. To prove the basic theorems on fundamental algebras, the first successful step is the new version of the Cohen factorization theorem. Here we recall it and prove some new results on fundamental topological algebras.

• 대한수학회지
• /
• 제46권2호
• /
• pp.281-294
• /
• 2009

Accuracy of the scaling function is very crucial in wavelet theory, or correspondingly, in the study of wavelet filter banks. We are mainly interested in vector-valued filter banks having matrix factorization and indicate how to choose block central symmetric matrices to construct multi-wavelets with suitable accuracy.

• 한국음향학회지
• /
• 제34권3호
• /
• pp.240-246
• /
• 2015

본 논문은 시간 연속성을 갖는 비음수 행렬 분해(Nonnegative Matrix Factorization, NMF)를 이용하여 잡음에 열화된 음성 신호의 음질을 개선하는 문제를 다룬다. 음성과 잡음 신호는 포아송 분포로 모델되며, NMF의 기본 벡터와 이득 벡터는 감마 분포로 모델된다. 이득 벡터의 시간 연속성은 음질 개선에 중요한 영향을 미치는 것으로 알려져 있다. 본 논문에서 시간의 연속성은 이득 벡터를 감마-마르코프 연쇄(Gamma-Markov chain, GMC) 사전 분포로 모델함으로써 이루어진다. 실험 결과는 제안된 알고리즘이 잡음 신호의 시간 연속성을 효과적으로 모델하는 것을 보여준다.