1. motivation 作为机器学习的一种重要方法，因式分解模型明确地探索了高维观测的内在结构，已被广泛应用于数据聚类、降维、推荐系统等学习任务。特别是，因式分解模型将高维观测分解成特定标准下的一组原子，并相应地获得它们的潜在表示。对于每个观测值，其潜在表示对应于与原子相关的系数。 然而，大多数现有的分解模型，如主成分分析(PCA)、非负矩阵分解(NMF) 和字典学习，都是为具有相同维度的