近日，学院罗辛教授团队携手英国皇家工程院院士Jim Woodcock在数据挖掘领域取得突破，研究成果“Auto-encoding Neural Tucker Factorization”被国际期刊《IEEE知识与数据工程汇刊（IEEE Transactions on Knowledge and Data Engineering）》录用为长文并已正式发表。该期刊是IEEE旗下数据科学领域的权威期刊，主要聚焦于知识工程、数据工程、大数据智能分析与AI算法方法等方向的前沿研究，长期致力于推动智能系统与数据技术的交叉融合，在全球学术界具有广泛影响力，被认定为中国计算机学会（CCF）推荐A类期刊和中国科学院期刊分区（升级版）计算机科学大类学科一区TOP期刊，在人工智能与数据挖掘方向享有崇高的学术声誉。

该项研究成果聚焦信息物理系统中高维不完整数据的建模问题，结合张量低秩分解与神经网络理论，提出了一种新型低秩隐因子分解模型——自编码神经Tucker分解（ANTucF），旨在高效挖掘数据中的隐式时空模式。与传统线性张量分解方法不同，ANTucF在Tucker低秩分解框架下引入非线性时空表征机制，综合采用数据驱动的密度导向建模、基于时空模式编码的特征交互张量构建以及自编码潜在交互学习等策略，从而在保持模型结构简洁的同时，通过实现核心张量的零化，显著提升其唯一性与表达能力。实验结果表明，ANTucF在真实数据集的缺失值恢复任务中表现优于多种先进基线模型，并能够捕捉更细粒度的复杂时空动态特征。

供稿：唐一鹏

供图：唐一鹏

初审：王一晖

复审：廖剑伟

终审：罗一辛