論文の概要: Bayesian Poisson-Randomized Gamma Tensor Factorization with Application to International Trade Flows

• arxiv url: http://arxiv.org/abs/2606.17267v1
• Date: Mon, 15 Jun 2026 20:18:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.133385
• Title: Bayesian Poisson-Randomized Gamma Tensor Factorization with Application to International Trade Flows
• Title（参考訳）: バイエルン・ポアソン-ランダム化ガンマテンソル分解と国際貿易フローへの応用
• Authors: Jie Jian, Aaron Schein,
• Abstract要約: 半連続テンソルデータに過剰な零点,重い右尾,スライス特異分散について検討した。 我々は,効率的な座標昇華更新と部分的に崩壊したデータサンプリングを併用したハイブリッド変分法モンテカルロアルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 3.1655082949518527
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study sparse semi-continuous tensor data with excess zeros, heavy right tails, and slice-specific dispersion. Such features arise naturally in monetary-valued multi-way data, such as international trade, where most exporter--importer--product--year cells are zero while positive values are continuous and highly variable. To model these data, we propose a Bayesian hierarchical tensor factorization model that places a low-rank CP structure on a latent Poisson rate tensor and couples it with a conditional Gamma model for positive outcomes, with rate parameters that can vary across slices within a mode. The model therefore separates the occurrence and magnitude of positive observations while borrowing strength across all tensor dimensions through a shared low-rank latent structure. To scale posterior inference to large arrays, we develop a hybrid variational--Monte Carlo algorithm that combines efficient coordinate ascent updates with a partially collapsed augmented-data sampler. Applied to approximately 60 million trade flows, the method surfaces multiway dependence across exporters, importers, products, and years that is difficult to recover from gravity-type or pairwise network analyses, which do not jointly model the product and temporal dimensions.
• Abstract（参考訳）: 余剰零点,重い右テール,スライス特異分散を有するスパース半連続テンソルデータについて検討した。 このような特徴は、輸出者-輸出者-生産者-年間細胞がゼロであり、正の値が連続的かつ高度に変動している国際貿易など、金融価値の高いマルチウェイデータに自然に現れる。 これらのデータをモデル化するために,潜伏ポアソン速度テンソル上に低ランクCP構造を配置するベイズ的階層的テンソル分解モデルを提案する。 したがって、モデルは、共有低ランク潜在構造を通して全てのテンソル次元にわたって強度を借りながら、正の観測の発生と大きさを分離する。 大規模アレイに後部推論を拡大するため,効率的な座標昇華更新と部分的に崩壊したデータサンプリング器を組み合わせたハイブリッド変分モンテカルロアルゴリズムを開発した。 約6000万の貿易フローに適用すると、積と時間次元を共同でモデル化しない重力タイプまたはペアワイズネットワーク分析から回復し難い輸出者、輸入者、製品、年々のマルチウェイ依存を表面化する。

関連論文リスト

• Nonparametric Data Attribution for Diffusion Models [57.820618036556084]
  生成モデルのデータ属性は、個々のトレーニング例がモデル出力に与える影響を定量化する。 生成画像とトレーニング画像のパッチレベルの類似性によって影響を測定する非パラメトリック属性法を提案する。
  論文  参考訳（メタデータ） (2025-10-16T03:37:16Z)
• Wasserstein-Aitchison GAN for angular measures of multivariate extremes [1.024113475677323]
  本稿では,Wasserstein-Aitchison Generative Adrial Networks (WA-GAN) を提案する。 WA-GANは将来の$d$次元多次元極端事象のシミュレーション値を提供する。 本手法は文献上の他の方法と比較して優れた性能を示す。
  論文  参考訳（メタデータ） (2025-04-30T08:54:28Z)
• Towards Theoretical Understandings of Self-Consuming Generative Models [56.84592466204185]
  本稿では,自己消費ループ内で生成モデルを訓練する新たな課題に取り組む。 我々は,このトレーニングが将来のモデルで学習したデータ分布に与える影響を厳格に評価するための理論的枠組みを構築した。 カーネル密度推定の結果は,混合データトレーニングがエラー伝播に与える影響など,微妙な洞察を与える。
  論文  参考訳（メタデータ） (2024-02-19T02:08:09Z)
• Conformal inference for regression on Riemannian Manifolds [45.560812800359685]
  回帰シナリオの予測セットは、応答変数が$Y$で、多様体に存在し、共変変数が$X$で、ユークリッド空間にあるときに検討する。 我々は、多様体上のこれらの領域の経験的バージョンが、その集団に対するほぼ確実に収束していることを証明する。
  論文  参考訳（メタデータ） (2023-10-12T10:56:25Z)
• VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
  深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。 ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。 本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-04-03T13:13:19Z)
• Bayesian Additive Main Effects and Multiplicative Interaction Models using Tensor Regression for Multi-environmental Trials [0.0]
  本稿では,複数の因子が表現型予測に与える影響を考慮したベイズテンソル回帰モデルを提案する。 我々は、モデルのパラメータ間で生じる可能性のある識別可能性の問題を解決するための、事前分布のセットを採用する。 また、線形予測器にどの相互作用が関係するかを識別するスパイク・アンド・スラブ構造も組み込んだ。
  論文  参考訳（メタデータ） (2023-01-09T19:54:50Z)
• Wasserstein multivariate auto-regressive models for modeling distributional time series [0.2578242050187029]
  本稿では,複数の確率測度の集合からなるデータの統計的解析に着目する。 時間依存確率測度をワッサーシュタイン空間のランダムな対象としてモデル化することにより、新しい自己回帰モデルを提案する。 このようなモデルの解の2次定常性に関する結果が提供される。
  論文  参考訳（メタデータ） (2022-07-12T10:18:36Z)
• Optimal regularizations for data generation with probabilistic graphical models [0.0]
  経験的に、よく調和された正規化スキームは、推論されたモデルの品質を劇的に改善する。 生成的ペアワイドグラフィカルモデルの最大Aポストエリオーリ(MAP)推論におけるL2とL1の正規化について検討する。
  論文  参考訳（メタデータ） (2021-12-02T14:45:16Z)
• Divergence Frontiers for Generative Models: Sample Complexity, Quantization Level, and Frontier Integral [58.434753643798224]
  多様性フロンティアは生成モデルの評価フレームワークとして提案されている。 分岐フロンティアのプラグイン推定器のサンプル複雑性の非漸近的境界を確立する。 また,スムーズな分布推定器の統計的性能を調べることにより,分散フロンティアの枠組みも強化する。
  論文  参考訳（メタデータ） (2021-06-15T06:26:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。