Cookies y Privacidad
Usamos cookies propias y de terceros para mejorar la experiencia de nuestros usuarios, analizar el tráfico del sitio y personalizar contenido. Si continúas navegando, asumimos que aceptas su uso. Para más información, consulta nuestra Política de Cookies
Un sistema heterogéneo basado en Análisis Semántico Latente utilizando GPU y Multi-CPU.
El Análisis Semántico Latente (LSA) es un método que nos permite indexar y recuperar información automáticamente de un conjunto de objetos al reducir la matriz término-documento utilizando la técnica de Descomposición en Valores Singulares (SVD, por sus siglas en inglés). Sin embargo, el LSA tiene un alto costo computacional para analizar grandes cantidades de información. Los objetivos de este trabajo son (i) mejorar el tiempo de ejecución de la construcción del espacio semántico, la reducción de dimensionalidad y las etapas de recuperación de información del LSA basado en sistemas heterogéneos y (ii) evaluar la precisión y recuperación de la etapa de recuperación de información. Presentamos un sistema de Análisis Semántico Latente heterogéneo (hLSA), que ha sido desarrollado utilizando la arquitectura de cómputo de propósito general en Unidades de Procesamiento Gráfico (GPGPUs), que puede resolver problemas numéricos grandes más rápido a través de miles de hilos concurrentes en múltiples núcleos CUDA de GPUs y una arquitectura multi
Autores: Len-Paredes, Gabriel A.; Barbosa-Santilln, Liliana I.; Snchez-Escobar, Juan J.
Idioma: Inglés
Editor: Hindawi
Año: 2017
Disponible con Suscripción Virtualpro
Artículos
Categoría
Ingeniería y Tecnología
Licencia
Atribución – Compartir igual
Consultas: 7
Citaciones: Sin citaciones
Hindawi
Scientific Programming
Volume , Article ID 8131390, 19 pages
https://doi.org/10.1155/2017/8131390
Len-Paredes Gabriel A.0, Barbosa-Santilln Liliana I.0, Snchez-Escobar Juan J.0
Universidad Politcnica Salesiana Ecuador, Universidad de Guadalajara Mexico, Technical and Industrial Teaching Center MexicoAcademic Editor: lvarez-Rodrguez Jos Mara
Contact: @hindawi.com
El Análisis Semántico Latente (LSA) es un método que nos permite indexar y recuperar información automáticamente de un conjunto de objetos al reducir la matriz término-documento utilizando la técnica de Descomposición en Valores Singulares (SVD, por sus siglas en inglés). Sin embargo, el LSA tiene un alto costo computacional para analizar grandes cantidades de información. Los objetivos de este trabajo son (i) mejorar el tiempo de ejecución de la construcción del espacio semántico, la reducción de dimensionalidad y las etapas de recuperación de información del LSA basado en sistemas heterogéneos y (ii) evaluar la precisión y recuperación de la etapa de recuperación de información. Presentamos un sistema de Análisis Semántico Latente heterogéneo (hLSA), que ha sido desarrollado utilizando la arquitectura de cómputo de propósito general en Unidades de Procesamiento Gráfico (GPGPUs), que puede resolver problemas numéricos grandes más rápido a través de miles de hilos concurrentes en múltiples núcleos CUDA de GPUs y una arquitectura multi
Descripción
El Análisis Semántico Latente (LSA) es un método que nos permite indexar y recuperar información automáticamente de un conjunto de objetos al reducir la matriz término-documento utilizando la técnica de Descomposición en Valores Singulares (SVD, por sus siglas en inglés). Sin embargo, el LSA tiene un alto costo computacional para analizar grandes cantidades de información. Los objetivos de este trabajo son (i) mejorar el tiempo de ejecución de la construcción del espacio semántico, la reducción de dimensionalidad y las etapas de recuperación de información del LSA basado en sistemas heterogéneos y (ii) evaluar la precisión y recuperación de la etapa de recuperación de información. Presentamos un sistema de Análisis Semántico Latente heterogéneo (hLSA), que ha sido desarrollado utilizando la arquitectura de cómputo de propósito general en Unidades de Procesamiento Gráfico (GPGPUs), que puede resolver problemas numéricos grandes más rápido a través de miles de hilos concurrentes en múltiples núcleos CUDA de GPUs y una arquitectura multi