原文服务方: 计算机应用研究       
摘要:
为提高协同过滤算法的可伸缩性,加快其运行速度,提出了一种基于GPU(graphic processing unit)的并行协同过滤算法来实现高速并行处理.GPU的运算模式采用单指令多数据流,适用于逻辑性弱、数据量巨大的运算,而这正是协同过滤算法所具有的特点.使用统一计算设备框架(compute unified device architecture,CUDA)实现了此协同过滤算法.实验表明,在中低端的GPU上该算法与在高端的四核CPU上的协同过滤算法相比,其加速比达到40倍以上,显著地提高了算法的可伸缩性,而算法在准确率方面也有优秀的表现.
推荐文章
基于 IALM 和填充可信度的协同过滤算法及其并行化研究
协同过滤
填充可信度
指数遗忘函数
Hadoop
并行化
协同过滤算法的研究
推荐系统
协同过滤
基于用户的算法
基于物品的算法
Hadoop云平台下的基于用户协同过滤算法研究
推荐系统
大数据
并行计算
协同过滤
基于评论与评分的协同过滤算法
协同过滤
数据稀疏性
评论分析
主题模型
用户偏好
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于GPU的并行协同过滤算法
来源期刊 计算机应用研究 学科
关键词 协同过滤 图形处理器 统一计算设备框架
年,卷(期) 2013,(9) 所属期刊栏目 算法研究探讨
研究方向 页码范围 2656-2659
页数 4页 分类号 TP301
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2013.09.024
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄翰 华南理工大学软件学院 50 526 11.0 21.0
2 许建 清远职业技术学院网络信息中心 16 56 4.0 6.0
3 林泳 华南理工大学软件学院 1 5 1.0 1.0
4 秦勇 东莞市理工学院计算机学院 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (67)
参考文献  (4)
节点文献
引证文献  (5)
同被引文献  (2)
二级引证文献  (3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(3)
  • 引证文献(2)
  • 二级引证文献(1)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
协同过滤
图形处理器
统一计算设备框架
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导