结合GPU技术的并行CP张量分解算法

摘要

随着高维数据的涌现,张量和张量分解方法在数据分析领域中受到了广泛关注.然而,张量数据的高维度和稀疏特性,导致算法的复杂度较高,阻碍了张量分解算法在实际中的应用.许多学者通过引入并行计算来提升张量分解算法的计算效率.在现有研究的基础上,给出一种简化计算Khatri-Rao乘积的GPU并行CP张量分解算法,称为ParSCP-ALS.在模拟数据集和真实数据集上的实验结果显示,相比现有并行算法,文中设计的ParSCP-ALS算法能有效提高CP张量分解的计算效率,其中在Movielens数据集上的计算时间减少了约58％.