다중 집계 뷰를 활용한 텐서 데이터 복원 기법 프레마

본 논문은 현대 데이터 과학에서 흔히 마주치는 “다중 차원 집계” 문제를 체계적으로 다룬다. 데이터는 시간, 지리, 조직 등 여러 축에서 합산·평균화되어 저장·공유되며, 이러한 저해상도 집계는 저장·전송 효율과 프라이버시 보호 측면에서 유리하지만, 세부 분석이나 개인화 예측에는 부적합하다. 기존 연구들은 주로 단일 차원의 집계 복원을 목표로 하거나, 사전 정의된 스무딩·주기성·희소성 같은 강력한 사전 정보를 필요로 했다. 그러나 실제 상황에서는 서로 다른 기관이 서로 다른 차원에서 집계한 다중 뷰가 동시에 존재한다는 점이 간과되었다. 프레마(PREMA)는 이러한 다중 뷰를 동시에 활용해 고해상도 텐서를 복원하는 프레임워크이다. 핵심 아이디어는 목표 텐서 X를 저차원 CP 분해 X≈