| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15页 |
| 1.2 相关工作 | 第15-17页 |
| 1.2.1 单机吉布斯采样算法改进 | 第16-17页 |
| 1.2.2 大规模LDA分布并行算法研究 | 第17页 |
| 1.3 研究内容及主要贡献点 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-21页 |
| 第二章 相关背景知识 | 第21-31页 |
| 2.1 主题模型基本知识 | 第21-24页 |
| 2.1.1 潜在狄利克雷分布主题模型(LDA) | 第21-23页 |
| 2.1.2 混淆度指标 | 第23-24页 |
| 2.2 采样方法介绍 | 第24-27页 |
| 2.2.1 接受-拒绝采样( Acceptance-Rejection Sampling) | 第24页 |
| 2.2.2 MCMC(Markov Chain Monte Carlo)采样方法 | 第24-26页 |
| 2.2.3 吉布斯采样 | 第26-27页 |
| 2.3 LDA主题模型优化采样方法 | 第27-28页 |
| 2.3.1 SparseLDA | 第27页 |
| 2.3.2 AliasLDA | 第27-28页 |
| 2.4 大数据平台 | 第28-30页 |
| 2.4.1 MPI消息传递接口 | 第28-30页 |
| 2.4.2 参数服务器(Parameter Server) | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 单机吉布斯采样算法的改进 | 第31-41页 |
| 3.1 LDA的单机采样过程 | 第31-32页 |
| 3.2 ZenLDA单机采样算法 | 第32-35页 |
| 3.2.1 ZenLDA单机采样算法设计 | 第32-33页 |
| 3.2.2 ZenLDA算法流程图 | 第33-34页 |
| 3.2.3 ZenLDA复杂度分析 | 第34-35页 |
| 3.3 实验结果和分析 | 第35-39页 |
| 3.3.1 数据集合和实验环境 | 第35-36页 |
| 3.3.2 模型学习质量对比 | 第36-37页 |
| 3.3.3 模型收敛速度性能对比 | 第37-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于MPI的ZenLDA算法并行化 | 第41-53页 |
| 4.1 已有LDA并行算法方案的不足 | 第41页 |
| 4.2 MPI-ZenLDA训练算法框架 | 第41-44页 |
| 4.2.1 流水线吉布斯采样方法 | 第43-44页 |
| 4.3 ZenLDA并行化算法方案设计 | 第44-47页 |
| 4.3.1 P_w机器上的算法策略 | 第44-45页 |
| 4.3.2 P_d机器上的算法策略 | 第45-47页 |
| 4.3.3 容错机制 | 第47页 |
| 4.4 实验结果及分析 | 第47-52页 |
| 4.4.1 数据集合和实验环境 | 第47-48页 |
| 4.4.2 加速比性能对比 | 第48-50页 |
| 4.4.3 收敛速度性能对比 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于参数服务器的分布式LDA | 第53-65页 |
| 5.1 Petuum-ZenLDA并行化训练算法框架 | 第53-54页 |
| 5.2 Petuum-ZenLDA并行化算法方案 | 第54-58页 |
| 5.2.1 Server端模型分布 | 第54-55页 |
| 5.2.2 Client端文档数据存储 | 第55页 |
| 5.2.3 Client端词项切片 | 第55-56页 |
| 5.2.4 Client端流式数据块读写与多线程机制 | 第56-58页 |
| 5.2.5 容错机制 | 第58页 |
| 5.3 实验结果及分析 | 第58-64页 |
| 5.3.1 实验语料和实验环境 | 第58-59页 |
| 5.3.2 加速比性能测试 | 第59-60页 |
| 5.3.3 模型收敛速度对比 | 第60-62页 |
| 5.3.4 模型学习质量对比 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 下一步工作 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 附录 | 第72-73页 |
