基于GPU的并行排序學習算法研究.pdf

1、搜索引擎的出現(xiàn)幫助用戶在紛繁雜亂的互聯(lián)網信息中尋找相關的信息,因此檢索結果的排序是至關重要的。作為新興信息檢索技術的排序學習算法是解決互聯(lián)網信息檢索問題的新的解決方案。傳統(tǒng)排序學習算法是在小規(guī)模文本基礎上進行,針對互聯(lián)網信息總量規(guī)?？焖僭黾訂栴},大規(guī)模數(shù)據對于傳統(tǒng)的排序學習算法出現(xiàn)瓶頸,排序學習算法的性能成為未來排序學習研究的一個方向。因此,本文提出新的排序學習算法并結合圖形處理器(Graphic Processing Unit, GP

2、U)并行計算技術并驗證算法的效果。本文主要研究內容如下:
　　(1)對排序學習算法的相關理論和 GPU并行計算進行歸納和闡述,總結現(xiàn)有的排序學習算法,闡述排序學習算法的評價度量準則和并行編程模型。
　　(2)深入分析信息檢索技術特點并結合相關度更高的信息更重要的特點,本文采用基于有序對的排序學習算法研究方向。對數(shù)據輸入空間進行重新劃分,以大于偏序關系的文檔對作為輸入空間。
　　(3)提出一種基于貝葉斯個性化排名框架的排

3、序學習算法,即線性評分排序學習模型(Linear Scoring Learning to Rank Model,LSLRM)。通過估計輸入文檔對的正確排序而構建的排序學習模型來解決查詢排序問題,將排序學習訓練模型問題轉換為二值分類問題,并對特征進行分析,找出對相關度區(qū)分具有決定性的重要特征。
　　(4)算法結合 GPU并行編程模型和存儲器模型等特點,解決排序學習算法在大規(guī)模數(shù)據的性能瓶頸。
　　(5)實驗證明基于 GPU的并