#矩阵补全

这篇论文提出了一种新方法，用凸优化来生成带图结构的关联矩阵，比GAN方法更灵活，还做了理论和实验验证。

这篇论文在RTRMC基础上加入图正则化，处理行列关联强的数据时补全更准，做推荐系统或图像修复的值得一看。

做因果推断或面板数据分析的研究者值得关注——这项研究解决了异质性治疗效果估计中行级误差保证的难题，提供了更精确的理论工具，可以直接用于改进现有估计方法。