2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩67頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)的快速發(fā)展,對非結(jié)構(gòu)化數(shù)據(jù)處理的時效性要求逐漸變高,并行化的主題建模是一種能夠有效的快速處理非結(jié)構(gòu)化數(shù)據(jù)的方法。潛在狄利克雷分配(Latent Dirichlet Allocation,LDA)是一種常用的概率主題模型,它能夠通過獲取文檔在主題空間的低維表示來實現(xiàn)文檔的分析。但是并行LDA模型在處理大規(guī)模數(shù)據(jù)時面臨兩大問題:一是對于已有的LDA近似推理算法,都存在著相應(yīng)的缺點使其難以被應(yīng)用于大規(guī)模數(shù)據(jù)的處理與分析。信息傳播算法

2、雖然在收斂速度以及計算復雜度上都具有一定的優(yōu)勢,但其空間復雜度過大,使其無法在大數(shù)據(jù)處理上得到很好的應(yīng)用;二是現(xiàn)有基于共享內(nèi)存并未很好的解決線程之間的阻塞問題,線程阻塞大大降低了并行LDA算法效率。如何改進已有LDA算法中近似推理方法以避免其在大規(guī)模數(shù)據(jù)處理中的缺陷,以及如何有效減少共享內(nèi)存并行算法中線程阻塞時間,從而實現(xiàn)一種更實用和高效的基于共享內(nèi)存的并行LDA算法是一件非常有挑戰(zhàn)性的工作。
  基于傳統(tǒng)信息傳播算法的空間復雜度

3、較大的問題,本文通過從最大化期望(Expectation Maximization,EM)的角度對信息傳播算法進行重新解釋,提出了一種新的參數(shù)更新方法(Expectation-maximization Belief Propagation,EBP)。這種更新方式不再需要剔除信息矩陣本身信息,能夠避開統(tǒng)計過程中的信息存儲問題,從而極大地減少信息傳播算法中的空間復雜度。
  基于傳統(tǒng)共享內(nèi)存的并行LDA算法無法有效利用線程的計算資源,

4、經(jīng)常會導致線程阻塞問題。本文提出了一種基于共享內(nèi)存的動態(tài)調(diào)度并行方法,能夠?qū)⑺惴ú⑿械倪^程看成是一個為線程分配工作的過程,通過動態(tài)的為線程分配任務(wù),實現(xiàn)了線程間無等待的動態(tài)調(diào)度,改善了傳統(tǒng)共享內(nèi)存并行算法中的線程等待問題。通過將改進的信息傳播算法與改進的并行算法結(jié)合實現(xiàn)了一種基于共享內(nèi)存的快速并行主題建模算法(Parallel Expectation-maximization Belief Propagation,PEBP)。
 

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論