本文提出了个性化的Tucker分解（perTucker）方法，用于解决传统张量分解方法在捕捉不同数据集间异质性方面的局限性。perTucker能够学习不同数据集间的独特和共同表示，通过将张量数据分解为共享的全局分量和个性化的局部分量。研究结果表明，perTucker在异常检测、客户分类和聚类等方面具有有效性。