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

1、在這個(gè)信息爆炸式增長(zhǎng)的年代，為了滿足個(gè)體用戶更精準(zhǔn)和便捷的信息需求，個(gè)性化推薦系統(tǒng)應(yīng)運(yùn)而生，而協(xié)同過(guò)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(guò)濾算法若仍然運(yùn)行于單機(jī)環(huán)境，已難以滿足推送的即時(shí)性需求。針對(duì)協(xié)同過(guò)濾推薦算法在大規(guī)模數(shù)據(jù)下的可擴(kuò)展性問(wèn)題，如何提高算法運(yùn)行速度是一個(gè)重要的研究方向。本文著重研究基于GPU（計(jì)算機(jī)圖形處理器，Graphics Processing Unit)和分布式CPU加速協(xié)同過(guò)濾計(jì)

2、算，主要工作和成果如下：
　　1.實(shí)現(xiàn)基于CPU協(xié)同過(guò)濾推薦的兩類(lèi)經(jīng)典算法
　　在單機(jī)模式下，使用MATLAB編程技術(shù)實(shí)現(xiàn)基于CPU協(xié)同過(guò)濾推薦的兩類(lèi)經(jīng)典算法—基于用戶的（User-Based）和基于項(xiàng)目的（Item-Based）。相關(guān)的實(shí)驗(yàn)數(shù)據(jù)將作為未來(lái)加速算法對(duì)比的性能基線；同時(shí)基于算法分析和實(shí)驗(yàn)結(jié)果驗(yàn)證并確定出協(xié)同過(guò)濾算法的性能瓶頸，這是并行化處理研究的重要對(duì)象，真正做到“有的放矢”。
　　2.基于GPU實(shí)現(xiàn)協(xié)同

3、過(guò)濾推薦的兩類(lèi)經(jīng)典算法的方法
　　基于GPU計(jì)算模型研究協(xié)同過(guò)濾處理中的高計(jì)算密度部分遷移到GPU上的途徑。提出協(xié)同過(guò)濾推薦算法在GPU上加速實(shí)現(xiàn)的一種解決思路：在大數(shù)據(jù)下，將算法中耗時(shí)大，時(shí)間復(fù)雜度高的計(jì)算部分調(diào)度至GPU上執(zhí)行，而相對(duì)耗時(shí)小的部分仍舊放在CPU上串行執(zhí)行，從而實(shí)現(xiàn)整體加速效果。實(shí)驗(yàn)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(shì)。
　　3.設(shè)計(jì)一種基于

4、分布式CPU實(shí)現(xiàn)協(xié)同過(guò)濾推薦的兩類(lèi)經(jīng)典算法的方法
　　由于利用 MATLAB分布式計(jì)算服務(wù)器（MATLAB Distributed Computing Server，MDCS）和并行計(jì)算工具箱（Parallel Computing Toolbox，PCT）搭建的分布式計(jì)算平臺(tái)具有易擴(kuò)展、易部署、易使用，支持任務(wù)并行等優(yōu)點(diǎn)，因此將其引入到協(xié)同過(guò)濾推薦算法中，對(duì)算法進(jìn)行分布式并行程序設(shè)計(jì)，實(shí)現(xiàn)基于分布式CPU協(xié)同過(guò)濾推薦算法的加速。并