PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.17267v1stat.ME

국제 무역 흐름에의 응용을 위한 베이지안 포아송-랜덤화 감마 텐서 인수분해

Bayesian Poisson-Randomized Gamma Tensor Factorization with Application to International Trade Flows

우리는 과도한 0, 긴 오른쪽 꼬리, 그리고 슬라이스별 산포를 가진 희소 반연속 텐서 데이터를 연구합니다. 이러한 특징은 국제 무역과 같은 화폐 가치의 다방향 데이터에서 자연스럽게 발생하며, 여기서 대부분의 수출국-수입국-제품-연도 셀은 0이지만 양의 값은 연속적이고 변동성이 매우 큽니다. 이러한 데이터를 모델링하기 위해, 우리는 잠재 포아송 비율 텐서에 저계수 CP 구조를 배치하고 모드 내 슬라이스에 따라 달라질 수 있는 비율 파라미터를 사용하여 양의 결과에 대한 조건부 감마 모델과 결합하는 베이지안 계층적 텐서 인수분해 모델을 제안합니다. 따라서 이 모델은 공유된 저계수 잠재 구조를 통해 모든 텐서 차원에 걸쳐 정보를 공유하면서 양의 관측치의 발생과 크기를 분리합니다. 대규모 배열로 사후 추론을 확장하기 위해, 우리는 효율적인 좌표 상승 업데이트와 부분적으로 축소된 증강 데이터 샘플러를 결합하는 하이브리드 변분-몬테카를로 알고리즘을 개발합니다. 약 6천만 개의 무역 흐름에 적용했을 때, 이 방법은 제품 및 시간 차원을 공동으로 모델링하지 않는 중력형 또는 쌍별 네트워크 분석에서는 회복하기 어려운 수출국, 수입국, 제품 및 연도에 걸친 다방향 의존성을 드러냅니다.