基于高性能计算的矩阵分解算法设计与实现.docxVIP

PAGE PAGE 31 基于高性能计算的矩阵分解算法设计与实现 摘要 矩阵分解是一种推荐系统的有效算法，随机梯度下降法（SGD）是目前最常用的矩阵分解算法之一。在面临大规模的数据集时，串行的SGD算法运行起来需要大量时间，无法满足推荐系统对于时效性的要求。为此有人提出了并行化的矩阵分解算法，现有基于SGD的并行化矩阵分解算法主要有DSGD、FPSGD、CUMSGD。DSGD算法中各个节点在分块更新后需要同步等待，每次更新的速度取决于负载最重的计算节点；FPSGD是基于共享内存的异步算法，无需进行同步等待，但其在面临特大规模的数据时，内存可能无法满足要求。此外负载不均衡也是并行