arXiv:2509.20404stat.MLcs.LG2025-09被引 4
新模型揭示了数据结构相关性如何提升高维学习效果。
Sample completion, structured correlation, and Netflix problems
- 利用数据中的结构化相关性，克服随机干扰
- 首次完整刻画该模型的可学习性条件
- 为Netflix竞赛成功算法提供理论解释
我们提出一种新的高维统计学习模型，能够在存在随机性的情况下仍利用数据中的结构化相关性。我们完全从VCN${}_{k,k}$-维数（本质上是Shelah分类理论中的k-依赖）的角度刻画了该模型的可学习性。该模型为2006年Netflix竞赛中某些算法的成功提供了理论解释。
原文摘要 · Abstract (English)
We develop a new high-dimensional statistical learning model which can take advantage of structured correlation in data even in the presence of randomness. We completely characterize learnability in this model in terms of VCN${}_{k,k}$-dimension (essentially $k$-dependence from Shelah's classification theory). This model suggests a theoretical explanation for the success of certain algorithms in the 2006~Netflix Prize competition.
高维统计结构相关推荐系统
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。