연구진은 다주체 시공간 데이터 분석을 위한 ST-VTD 프레임워크를 개발했어요. 이 프레임워크는 텐서 분해 생성 모델과 구조적 사전 지식을 결합하여 공간 맵과 시간 동역학을 동시에 표현합니다. LSTM 기반 사전 지식을 활용하여 유연하고 적응적인 시간 동역학 모델링이 가능해요.
공간 요소는 LL1 분해에서 영감을 받은 저순위 구조를 촉진하고, 시간 요소는 학습된 LSTM 기반 사전 지식을 사용합니다. 실험 결과, ST-VTD는 기존 벤치마크 대비 잠재 요인 복구 성능이 향상된 것으로 나타났어요.
연구진은 그룹 독립 성분 분석을 기반으로 한 워밍 스타트 전략을 활용하여 최적화 성능을 개선했습니다.