摘要
补充材料
Hadoop信息。 http://hadoop.apache.org/。 谷歌学者 
E.Acar、C.Aykut-Bingol、H.Bingol，R.Bro和B.Yener。 癫痫张量的多向分析。 生物信息学，23（13）：i10-i182007。 谷歌学者 数字图书馆 
C.A.Andersson和R.Bro。 matlab的n路工具箱。 化学计量学和智能实验室系统，52（1）：1-42000。 谷歌学者 交叉引用 
B.W.Bader和T.G.Kolda。 使用稀疏张量和因子张量进行有效的MATLAB计算。 SIAM科学计算杂志，30（1）：205--2312007年12月。 谷歌学者 数字图书馆 B.W.Bader、R.A.Harshman和T.G.Kolda。 使用三向dedicom对社交网络进行时间分析。 桑迪亚国家实验室TR SAND2006-21612006。 谷歌学者 交叉引用 B.W.Bader和T.G.Kolda。 Matlab张量工具箱版本2.2。 美国新墨西哥州阿尔伯克基：桑迪亚国家实验室，2007年。 谷歌学者 S.Boyd和L.Vandenberghe。 凸优化。 剑桥大学出版社，纽约，纽约，美国。 谷歌学者 数字图书馆 R.兄弟。 帕拉法。 教程和应用程序。 化学计量学和智能实验室系统，38（2）：149-1711997。 谷歌学者 A.Carlson、J.Betteridge、B.Kisiel、B.Settles、E.R.Hruschka Jr.和T.M.Mitchell。 走向一个永无止境的语言学习架构。 AAAI，2010年。 谷歌学者 数字图书馆 P.A.Chew、B.W.Bader、T.G.Kolda和A.Abdelali。 使用parafac2进行跨语言信息检索。 KDD，2007年。 谷歌学者 数字图书馆 J.Dean和S.Ghemawat。 Mapreduce：简化了大型集群的数据处理。 在OSDI中，第137-150页，2004年。 谷歌学者 数字图书馆 S.Deerwester、S.T.Dumais、G.W.Furnas、T.K.Landauer和R.Harshman。 通过潜在语义分析进行索引。 《美国信息科学学会杂志》，41（6）：391-4071990年9月。 谷歌学者 交叉引用 C.Eckart和G.Young。 一个矩阵与另一个低阶矩阵的近似。 《心理测量学》，1（3）：211-2186。 谷歌学者 交叉引用 R.A.哈什曼。 parafac程序的基础：“解释性”多模态因子分析的模型和条件。 1970 谷歌学者 U.Kang、D.H.Chau和C.Faloutsos。 挖掘大型图形：算法、推理和发现。 在ICDE中，第243-254页，2011年。 谷歌学者 数字图书馆 U.Kang、B.Meeder和C.Faloutsos。 十亿级图的谱分析：发现和实现。 PAKDD（2），第13-25页，2011年。 谷歌学者 数字图书馆 U.Kang、H.Tong、J.Sun、C.-Y.Lin和C.Faloutsos。 Gbase：一个可扩展的通用图形管理系统。 在KDD中，第1091--1099页，2011年。 谷歌学者 数字图书馆 U.Kang、C.E.Tsourakakis和C.Faloutsos。 飞马座：一个PB级的图形挖掘系统。 在ICDM中，第229-238页，2009年。 谷歌学者 数字图书馆 J.M.Kleinberg，超链接环境中的权威来源。 美国医学会杂志，46（5）：604-6321999。 谷歌学者 数字图书馆 T.G.Kolda和B.W.Bader。 高阶网络链接分析的tophits模型。 《链接分析、反恐与安全研讨会》，第7卷，第26-29页，2006年。 谷歌学者 T.G.Kolda和B.W.Bader。 张量分解及其应用。 SIAM综述，51（3），2009年。 谷歌学者 数字图书馆 T.G.Kolda和J.Sun。 用于多spect数据挖掘的可缩放张量分解。 ICDM，2008年。 谷歌学者 数字图书馆 R.Lämmel。 谷歌的mapreduce编程模型——重温。 《计算机编程科学》，70:1--302008年。 谷歌学者 数字图书馆 刘振华、杨洪川、范俊华、何立伟和王永明。 基于mapreduce的网络尺度二元数据分析的分布式非负矩阵分解。 在WWW中，第681-692010页。 谷歌学者 数字图书馆 K.Maruhashi、F.Guo和C.Faloutsos。 多方面取证：利用张量分析对大规模异构网络进行模式挖掘。 2011年，ASONAM。 谷歌学者 数字图书馆 C.Olston、B.Reed、U.Srivastava、R.Kumar和A.Tomkins。 猪拉丁语：用于数据处理的非外语。 在SIGMOD'08中，第1099--1110页，2008年。 谷歌学者 数字图书馆 E.E.Papalexakis和N.D.Sidiropoulos。 作为具有稀疏潜在因子的多线性分解的协聚类。 ICASSP，2011年。 谷歌学者 交叉引用 R.彭罗斯。 矩阵的广义逆。 程序中。 剑桥菲洛斯。 Soc，第51卷，第406--413页。 剑桥大学出版社，1955年。 谷歌学者 N.D.Sidiropoulos、G.B.Giannakis和R.Bro。 ds-cdma系统的盲副载波接收机。 信号处理，IEEE汇刊，48（3）：810--8232000。 谷歌学者 数字图书馆 J.Sun、S.Papadimitriou和P.S.Yu。 基于窗口的高维和多spect流张量分析。 在ICDM中，第1076页至第1080页，2006年。 谷歌学者 数字图书馆 孙建堂、曾海杰、刘海平、陆毅、陈振中。 Cubesvd：一种新的个性化网络搜索方法。 WWW，2005年。 谷歌学者 数字图书馆 D.Tao、X.Li、X.Wu、W.Hu和S.J.Maybank。 监督张量学习。 KAIS，13（1）：1--422007年。 谷歌学者 数字图书馆 D.Tao、M.Song、X.Li、J.Shen、J.Sun、X.Wu、C.Faloutsos和S.J.Maybank。 三维人脸建模的贝叶斯张量方法。 IEEE TCSVT，18（10）：1397-14102008。 谷歌学者 数字图书馆 L.R.塔克。 关于三模式因子分析的一些数学注释。 《心理测量学》，31（3）：279--3112966年。 谷歌学者 交叉引用
建议
BIGtensor：轻松挖掘数十亿张数 CIKM’16：第25届ACM国际信息与知识管理会议记录 许多真实世界的数据自然地被表示为张量或多维数组。 张量分解是分析张量的重要工具，用于潜在概念发现、趋势分析、聚类和异常分析等各种应用。。。 挖掘十亿尺度张量：算法和发现 我们如何分析具有各种属性的大规模真实世界数据？ 许多具有多个属性的真实世界数据（例如，网络流量日志、web数据、社交网络、知识库和传感器流）表示为多维数组，。。。 分数阶全变分与稀疏变换相结合的张量压缩视频传感重建 高重建性能、低计算复杂度和低内存需求的压缩视频传感（CVS）是一项非常具有挑战性的工作。 为了以较低的计算复杂度重建高质量的视频帧，本文提出了一种新的视频重建算法。。。
