outer product：外积（也常称“张量积”的一种具体形式）。指两个向量相乘后得到一个矩阵：若 \(a\) 是 \(m\) 维列向量、\(b\) 是 \(n\) 维列向量，则外积 \(ab^{\mathsf T}\) 是一个 \(m\times n\) 的矩阵，其第 \((i,j)\) 个元素为 \(a_i b_j\)。在机器学习中常用于构造秩为 1（rank-1）的矩阵或做特征交互。
/ˈaʊtər ˈprɑːdʌkt/
The outer product of two vectors is a matrix.
两个向量的外积是一个矩阵。
In the model, we approximate the weight matrix by an outer product \(uv^{\mathsf T}\) to obtain a rank‑1 representation.
在该模型中，我们用外积 \(uv^{\mathsf T}\) 来近似权重矩阵，从而得到一个秩为 1 的表示。
“outer”意为“外部的/外面的”，这里强调结果不再是一个标量（相对 inner product“内积”），而是“向外扩展”为一个矩阵或更高阶张量；“product”来自拉丁语 productus（“产生、引出”），在数学中泛指“乘积/运算结果”。
Select Language