基于多核系统的并行线性RankSVM算法

• 作者: 彭娇 李康顺 聂慧 金晶
• 来源期刊: 计算机应用研究
• 关键词: 排序学习 线性RankSVM模型 并行计算 多核系统
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 46-51,57
• 页数: 7页
• 分类号: TP181|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.01.009

摘要

现有的线性RankSVM已得到较有效的研究，但在训练大规模的线性RankSVM时，过长的训练时间依然难以让人接受。通过对当前最先进算法Tree-TRON的分析可知，利用信任区域的牛顿迭代（trust region Newton method，TRON）去训练线性RankSVM模型涉及大量的Hessian-vector内积（Hessian-vector product）计算，同时完成Hessian-vector内积计算又需计算大量的辅助变量和矩阵运算。为了有效地加速与Hessian-vector内积有关的计算，在多核系统下提出了一种高效的并行算法（命名为PRankSVM）用于提高大规模线性RankSVM的训练速度。PRankSVM的特征主要体现为两个方面：训练数据按不同的查询划分为不同的子问题；在多核系统下，利用多核加速辅助变量和相关矩阵的计算。通过实验分析可知，相较于现有的算法（如Tree-TRON ），PRankSVM不仅可以有效地提高训练速度，而且可以有效地确保预测的准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金晶	中山大学数据科学与计算机学院	46	460	11.0	20.0
2	彭娇	广东科技学院计算机系	14	37	3.0	5.0
3	聂慧	广东科技学院计算机系	7	32	3.0	5.0