一种基于共享内存的快速并行主题建模算法
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 主题模型的历史 | 第12-13页 |
| 1.2.2 LDA中近似推理的研究现状 | 第13-14页 |
| 1.2.3 并行LDA算法的研究现状 | 第14-15页 |
| 1.3 目前存在的主要问题 | 第15-16页 |
| 1.4 本文主要工作及创新点 | 第16页 |
| 1.5 本文的组织结构 | 第16-18页 |
| 第二章 主题模型及相关并行算法概述 | 第18-29页 |
| 2.1 主题模型概述 | 第18-21页 |
| 2.1.1 主题模型 | 第18-19页 |
| 2.1.2 LDA模型 | 第19-21页 |
| 2.2 LDA近似推理算法概述 | 第21-26页 |
| 2.2.1 变分贝叶斯算法概述 | 第22-23页 |
| 2.2.2 吉布斯采样算法概述 | 第23-24页 |
| 2.2.3 信息传播算法概述 | 第24-26页 |
| 2.3 LDA并行算法概述 | 第26-28页 |
| 2.3.1 非共享内存并行算法 | 第26-27页 |
| 2.3.2 共享内存并行算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于最大期望的信息传播算法——EBP | 第29-37页 |
| 3.1 LDA中的EM推断 | 第29-31页 |
| 3.2 EBP的推导与收敛证明 | 第31-35页 |
| 3.3 EBP与BP的比较 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 快速并行LDA算法——PEBP | 第37-45页 |
| 4.1 传统的基于共享内存的并行LDA算法 | 第37-38页 |
| 4.2 高效并行算法的实现 | 第38-42页 |
| 4.2.1 预处理阶段 | 第38-40页 |
| 4.2.2 动态调度阶段 | 第40-42页 |
| 4.3 PEBP算法的实现 | 第42-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第五章 算法综合实验 | 第45-54页 |
| 5.1 模型评价标准 | 第45-46页 |
| 5.2 实验准备 | 第46-47页 |
| 5.3 结果与分析 | 第47-53页 |
| 5.3.1 EBP的实验效果与分析 | 第47-49页 |
| 5.3.2 PEBP实验效果与分析 | 第49-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 工作总结 | 第54页 |
| 6.2 工作展望 | 第54-56页 |
| 参考文献 | 第56-63页 |
| 发表文章目录及参加科研项目 | 第63-64页 |
| 致谢 | 第64-66页 |
