版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、概率主題模型利用快速的非監(jiān)督機器學(xué)習(xí)算法來自動組織、理解和摘要文本的主要內(nèi)容,長期以來一直是機器學(xué)習(xí)的研究熱點之一。Hofmann提出了第一個嚴格意義上的概率主題模型probabilisticLatentSemanticAnalysis(pLSA),而Blei等人又在pLSA的基礎(chǔ)上擴展得到更為完全的概率主題模型LatentDirichletAllocation(LDA)。LDA首先對文本建模,然后利用變分貝葉斯(Variational
2、Bayes,VB)、吉布斯采樣(GibbsSampling,GS)或置信傳播(BeliefPropagation,BP)推斷模型參數(shù),最后挖掘出數(shù)據(jù)的隱含主題結(jié)構(gòu),獲取文本的重要信息。
而如何有效的對大規(guī)模文本進行主題建模,從而能夠滿足計算時間與內(nèi)存的需求,最后從模型中發(fā)掘潛在的主題規(guī)律一直是學(xué)者們關(guān)心的問題。本文分別采用基于OpenMP和MPI的高效并行算法,用來推斷模型參數(shù),特別是并行快速BP算法,在不損失精度的情況下
3、,快速推斷模型參數(shù),高效地處理超大規(guī)模數(shù)據(jù)。并行算法利用集群系統(tǒng)或者多核服務(wù)器分擔存儲負荷,并提高計算速率,不但解決了單機計算機的瓶頸問題,還提高了算法的可靠性、可用性和擴展性。本文的主要研究工作如下:
1.研究了主題模型及其VB、GS、BP和快速BP推斷算法,并通過實驗對比證實了快速BP算法在速度和精確度上的優(yōu)勢,為解決其并行算法奠定理論基礎(chǔ)。
2.提出了基于MPI的快速BP算法并應(yīng)用于分布式內(nèi)存的集群上,
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 一種基于共享內(nèi)存的快速并行主題建模算法.pdf
- 基于置信傳播算法的視頻背景估計研究.pdf
- 基于置信傳播模型的圖像修復(fù)算法研究.pdf
- 基于置信度傳播的立體匹配算法研究.pdf
- 基于置信傳播的立體匹配算法硬件架構(gòu)研究.pdf
- 基于置信傳播的立體匹配算法研究及實現(xiàn).pdf
- 一種基于置信傳播的稀疏匹配算法研究.pdf
- 基于圖像分割的置信傳播立體匹配算法研究.pdf
- 基于貝葉斯置信傳播的圖像分割方法研究.pdf
- 極化碼的改進置信傳播譯碼算法研究.pdf
- 視頻運動目標檢測的高效置信傳播算法研究.pdf
- 基于置信傳播的低復(fù)雜度LDPC碼解碼算法的研究.pdf
- 并行快速特征點匹配算法研究.pdf
- 面向并行設(shè)計的建模方法研究.pdf
- 基于GPU并行計算的目標跟蹤快速算法研究.pdf
- 基于單元化建模的快速設(shè)計方法研究.pdf
- 基于概率主題模型的情境建模方法研究.pdf
- 基于特征、先驗和約束的主題建模算法.pdf
- 并行多層快速多極子算法加速技術(shù)的研究.pdf
- 并行快速橢圓偏振分析方法的研究.pdf
評論
0/150
提交評論