基于PowerGraph的并行Tucker分解及应用
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 Tucker分解的研究现状 | 第11-12页 |
| 1.2.2 并行图处理框架研究现状 | 第12-15页 |
| 1.3 论文主要工作与创新点 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 2 预备知识 | 第17-27页 |
| 2.1 PowerGraph框架的搭建 | 第17-21页 |
| 2.1.1 PowerGraph框架简介 | 第17-19页 |
| 2.1.2 环境搭建 | 第19-21页 |
| 2.2 数据集的预处理 | 第21-25页 |
| 2.3 小结 | 第25-27页 |
| 3 TRSVD的并行化 | 第27-37页 |
| 3.1 SVD与TRSVD | 第27-29页 |
| 3.2 SVD的计算方法 | 第29-32页 |
| 3.3 TRSVD的并行化 | 第32-35页 |
| 3.3.1 TRSVD的并行可行性分析 | 第32-34页 |
| 3.3.2 TRSVD的并行化实现 | 第34-35页 |
| 3.4 实验 | 第35-36页 |
| 3.5 小结 | 第36-37页 |
| 4 Tucker分解并行化 | 第37-53页 |
| 4.1 Tucker分解的基础知识 | 第37-38页 |
| 4.1.1 相关符号 | 第37页 |
| 4.1.2 相关定义 | 第37-38页 |
| 4.2 Tucker分解的基本原理 | 第38-41页 |
| 4.2.1 ALS_Tucker分解的基本原理 | 第38-40页 |
| 4.2.2 分析HOOI算法的并行可行性 | 第40-41页 |
| 4.3 Tucker分解的并行化 | 第41-49页 |
| 4.3.1 数据结构的分析与设计 | 第41-46页 |
| 4.3.2 并行HOOI算法的时间复杂度 | 第46-49页 |
| 4.4 实验 | 第49-52页 |
| 4.4.1 评价指标 | 第49页 |
| 4.4.2 实验结果和分析 | 第49-52页 |
| 4.5 小结 | 第52-53页 |
| 5 Tucker分解的应用实例 | 第53-60页 |
| 5.1 基于Tucker分解的多关系网络社团发现 | 第53-58页 |
| 5.1.1 多关系网络 | 第53-54页 |
| 5.1.2 RESCAL分解模型和隐因子矩阵 | 第54页 |
| 5.1.3 社团发现算法 | 第54-56页 |
| 5.1.4 评价指标和实验 | 第56-58页 |
| 5.2 基于Tucker分解的数据压缩 | 第58-59页 |
| 5.3 小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67页 |
