TY -的A2纳齐尔沙非盟-唐,Bing盟——康Linyao盟——张,李盟——郭Feiyan盟——他,Haiwu PY - 2021 DA - 2021/01/05 TI -协同过滤推荐使用非负矩阵分解在GPU-Accelerated火花平台SP - 8841133六世- 2021 AB -非负矩阵分解(NMF)引入了一种有效的方式来减少数据压缩的复杂性及其能力从数据集,提取高度可说明的部分,它也被应用于各个领域,如建议,图像分析,文本聚类。然而,随着矩阵的大小增加,非负矩阵分解的处理速度非常缓慢。为了解决这个问题,本文提出了一种基于GPU的并行算法的NMF火花的平台,使充分利用内存计算模式和GPU加速的优点。新GPU-accelerated NMF火花平台评估在4-node火花异构集群中每个节点使用谷歌计算引擎通过配置一个NVIDIA K80 CUDA设备,和实验结果表明它具有竞争力的计算时间在现有解决方案的各种矩阵的订单。此外,GPU-accelerated NMF-based并行协同过滤(CF)算法提出,利用数据降维的优势和NMF的特征提取,以及CUDA的多核并行计算模式。使用真实MovieLens数据集,实验结果表明,并行化的NMF-based协同过滤火花的平台上有效地优于传统的基于用户和基于项目CF与更高的处理速度和更高的推荐精度。SN - 1058 - 9244 UR - https://doi.org/10.1155/2021/8841133 - 10.1155 / 2021/8841133摩根富林明科学编程PB - Hindawi KW - ER