基于GPU和分布式CPU的協(xié)同過濾推薦算法加速技術(shù)研究.pdf

1、在這個信息爆炸式增長的年代，為了滿足個體用戶更精準和便捷的信息需求，個性化推薦系統(tǒng)應(yīng)運而生，而協(xié)同過濾推薦技術(shù)是已知最廣泛被采用的一種選擇。由于數(shù)據(jù)規(guī)模的激增，傳統(tǒng)的協(xié)同過濾算法若仍然運行于單機環(huán)境，已難以滿足推送的即時性需求。針對協(xié)同過濾推薦算法在大規(guī)模數(shù)據(jù)下的可擴展性問題，如何提高算法運行速度是一個重要的研究方向。本文著重研究基于GPU（計算機圖形處理器，Graphics Processing Unit)和分布式CPU加速協(xié)同過濾計

2、算，主要工作和成果如下：
　　1.實現(xiàn)基于CPU協(xié)同過濾推薦的兩類經(jīng)典算法
　　在單機模式下，使用MATLAB編程技術(shù)實現(xiàn)基于CPU協(xié)同過濾推薦的兩類經(jīng)典算法—基于用戶的（User-Based）和基于項目的（Item-Based）。相關(guān)的實驗數(shù)據(jù)將作為未來加速算法對比的性能基線；同時基于算法分析和實驗結(jié)果驗證并確定出協(xié)同過濾算法的性能瓶頸，這是并行化處理研究的重要對象，真正做到“有的放矢”。
　　2.基于GPU實現(xiàn)協(xié)同

3、過濾推薦的兩類經(jīng)典算法的方法
　　基于GPU計算模型研究協(xié)同過濾處理中的高計算密度部分遷移到GPU上的途徑。提出協(xié)同過濾推薦算法在GPU上加速實現(xiàn)的一種解決思路：在大數(shù)據(jù)下，將算法中耗時大，時間復(fù)雜度高的計算部分調(diào)度至GPU上執(zhí)行，而相對耗時小的部分仍舊放在CPU上串行執(zhí)行，從而實現(xiàn)整體加速效果。實驗表明，算法的整體加速效果取決于核心步驟的加速效果且 GPU版本的算法在性能上較CPU版本有較顯著地優(yōu)勢。
　　3.設(shè)計一種基于

4、分布式CPU實現(xiàn)協(xié)同過濾推薦的兩類經(jīng)典算法的方法
　　由于利用 MATLAB分布式計算服務(wù)器（MATLAB Distributed Computing Server，MDCS）和并行計算工具箱（Parallel Computing Toolbox，PCT）搭建的分布式計算平臺具有易擴展、易部署、易使用，支持任務(wù)并行等優(yōu)點，因此將其引入到協(xié)同過濾推薦算法中，對算法進行分布式并行程序設(shè)計，實現(xiàn)基于分布式CPU協(xié)同過濾推薦算法的加速。并