近日，中南大学计算机学院2017级博士生杨梦云为第一作者，王建新教授为通讯作者的论文“Feature and Nuclear Norm Minimization for Matrix Completion”，被国际权威期刊IEEE Transactions on Knowledge and Data Engineering（IEEE-TKDE）录用。IEEE-TKDE是中国计算机学会(CCF)推荐的A类期刊，也是数据挖掘领域公认的国际顶级期刊。
矩阵填充（Matrix Completion）是指在低秩结构假设下，由矩阵中少量的已知元素恢复出其余缺失的元素。它被广泛地应用于计算机视觉、推荐系统、协同过滤和生物信息等领域。矩阵填充方法大致可分为直推填充（Transductive Matrix Completion）和诱导填充（Inductive Matrix Completion）两大类。该研究成果提出了一个全新的矩阵填充方法，即特征和核范数最小化模型（FNNM）。FNNM的基本原理是利用最小化核范数来恢复矩阵的全局模块，并且结合特征信息的稀疏诱导填充来细化矩阵的局部模块。数值实验结果表明FNNM在电影推荐、药物—靶标相互作用预测和多标记学习应用中的性能要优于现有的矩阵填充算法。
该研究工作得到了国家自然科学基金和湖南省研究生科研创新项目的资助。