基于多GPU的協(xié)同過(guò)濾推薦算法研究及應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)信息的爆炸式增長(zhǎng)，信息超載導(dǎo)致人們很難在短時(shí)間內(nèi)從海量信息中獲取自己感興趣的信息，個(gè)性化推薦系統(tǒng)作為信息過(guò)濾的一種重要手段應(yīng)運(yùn)而生。協(xié)同過(guò)濾推薦算法是目前使用最廣泛且最成功的算法。然而隨著大數(shù)據(jù)時(shí)代的來(lái)臨，當(dāng)推薦系統(tǒng)規(guī)模巨大時(shí)，算法計(jì)算密度迅速增大而變得十分耗時(shí)，從而導(dǎo)致推薦滯后，用戶體驗(yàn)性差，因此傳統(tǒng)的算法面臨可擴(kuò)展性問(wèn)題。當(dāng)前人們主要運(yùn)用分布式集群技術(shù)來(lái)提高算法效率，但由于其成本過(guò)高導(dǎo)致很多研究者及中小企業(yè)都無(wú)法承受。與C

2、PU相比，GPU(Graphic Processing Unit)具有更大的內(nèi)存帶寬，更多的執(zhí)行單元，更低的成本等優(yōu)勢(shì)，十分適合解決海量數(shù)據(jù)并行計(jì)算問(wèn)題。然而單個(gè)GPU的計(jì)算能力還是有限，多GPU則能夠提供更加強(qiáng)大的計(jì)算能力。因此本文提出了一種基于多GPU的協(xié)同過(guò)濾推薦算法。實(shí)驗(yàn)結(jié)果表明多GPU并行計(jì)算能顯著提升算法運(yùn)行速度，與CPU上的串行算法相比，最大加速比達(dá)到了260倍，而且問(wèn)題規(guī)模越大加速比越大。與集群相比，具有更高的性價(jià)比。此

3、外，還將本文提出的基于多GPU的并行算法應(yīng)用到網(wǎng)絡(luò)機(jī)頂盒個(gè)性化視頻推薦中并實(shí)現(xiàn)了一個(gè)簡(jiǎn)單高效的推薦系統(tǒng)，為中小企業(yè)節(jié)約成本提供了一種可行方案。本文的多GPU并行推薦算法具有可擴(kuò)展性，實(shí)際應(yīng)用時(shí)可以添加更多的GPU以滿足更高的性能要求。
　　本文有以下兩個(gè)創(chuàng)新點(diǎn):
　　(1)為了解決可擴(kuò)展性問(wèn)題，設(shè)計(jì)并實(shí)現(xiàn)了一種基于多GPU的協(xié)同過(guò)濾推薦算法。針對(duì)大數(shù)據(jù)時(shí)代，推薦系統(tǒng)計(jì)算密度強(qiáng)大和GPU顯存有限問(wèn)題，設(shè)計(jì)了多GPU并行算法并使

4、用CUDA（Compute Unified Device Architecture）實(shí)現(xiàn)了該算法。解決了一系列問(wèn)題包括:多GPU并行任務(wù)劃分問(wèn)題，多GPU動(dòng)態(tài)數(shù)據(jù)加載及存儲(chǔ)問(wèn)題，相似度計(jì)算、尋找K最近鄰、預(yù)測(cè)評(píng)分并產(chǎn)生Top-N推薦在多GPU中的并行實(shí)現(xiàn)問(wèn)題。通過(guò)對(duì)比不同平臺(tái)上的算法運(yùn)行時(shí)間證明了多GPU并行計(jì)算可以顯著提高算法效率。
　　(2)將本文研究的基于多GPU的協(xié)同過(guò)濾推薦算法應(yīng)用到網(wǎng)絡(luò)機(jī)頂盒個(gè)性化視頻推薦系統(tǒng)中。系統(tǒng)首