GPU通用計(jì)算在文本分類中的應(yīng)用研究.pdf

1、浙江理工大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明小人J㈩9JJ行‘t變flj。、：：：f訌淪艾址小K：f，ii擰帥j17W：卜進(jìn)仃的1IJl：可t1：作及J陂f|’j的研可t成糶。除廠文，，特別』Jll以卡，j西1j4I斂謝的地l乃‘外，l：侖史tl小也禽jr他人L鄉(xiāng)套發(fā)必或撰。j過(guò)的研究成糶，池個(gè)包含為獲褂浙汀理：I人學(xué)l戈!I他教翁機(jī)構(gòu)的’’：!：能二戈證I5Ifli使川過(guò)的材料?！甹我‘川l：作的芯對(duì)術(shù)訓(xùn)：究所做的仟fIlf如敞均L億淪艾，，f；‘

2、j’19jff『nf|，Ji兌1Ujjli表，J靖j惑。。產(chǎn)；矗論文稍：?！瘬絲：j≥—毒弓夕圣二甜：I1弧加f牛：i了J盯摘要隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，人們?nèi)找嫫毡榈厥褂糜?jì)算機(jī)來(lái)生產(chǎn)、處理、交換和傳播各種形式的信息，世界對(duì)信息的需求快速增長(zhǎng)，而文本是承載信息的主要載體，文本分類技術(shù)也越來(lái)越受到人們的關(guān)注。文本分類問(wèn)題是將一篇未知類別的文檔歸入預(yù)先定義的類別中，而文本的自動(dòng)分類則是使用計(jì)算機(jī)來(lái)實(shí)現(xiàn)這樣的分類。文本分類可以更好的幫助人們組

3、織文本、挖掘文本信息，文本分類技術(shù)也成為信息處理領(lǐng)域最重要的研究方向之一。雖然人們對(duì)文本分類算法做了大量研究和發(fā)展，但是分類速度和分類精度依然是一對(duì)矛盾，文本分類算法的時(shí)間復(fù)雜度依然很大，在現(xiàn)有的串行結(jié)構(gòu)下，很難有質(zhì)的突破。因此，本文針對(duì)文本分類中遇到的現(xiàn)實(shí)問(wèn)題，在不降低分類準(zhǔn)確度的情況下，將傳統(tǒng)文本分類算法在GPU上并行實(shí)現(xiàn)，利用GPU強(qiáng)大處理能力和高帶寬減少文本的訓(xùn)練時(shí)間。近年來(lái)GPU已經(jīng)在科學(xué)研究和超級(jí)計(jì)算領(lǐng)域取得突破性進(jìn)展，隨著

4、數(shù)百萬(wàn)支持CUDA的GPU已經(jīng)遍布全球計(jì)算機(jī)，研究人員正在將CUDA應(yīng)用到更廣闊的領(lǐng)域中。本文對(duì)文本分類相關(guān)技術(shù)和CUDA編程模型作了深入研究，首先介紹了文本分類相關(guān)技術(shù)和理論，研究了現(xiàn)行分類算法的缺點(diǎn)和不足，然后對(duì)GPU通用計(jì)算和CUDA編程及程序優(yōu)化進(jìn)行了研究。本文根據(jù)KNN算法的特點(diǎn)提出了一種基于GPU的并行KNN算法，主要包括并行的相似度算法和排序算法，并對(duì)CUDA程序作了優(yōu)化。最后將本文的算法在GPU上實(shí)現(xiàn)，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分