WEKO3
アイテム
LDAのためのcollapsed変分ベイズ推定のGPUによる高速化
https://ipsj.ixsq.nii.ac.jp/records/18644
https://ipsj.ixsq.nii.ac.jp/records/186445a99906b-2959-48e8-8cda-8dc6d84d4fea
名前 / ファイル | ライセンス | アクション |
---|---|---|
![]() |
Copyright (c) 2008 by the Information Processing Society of Japan
|
|
オープンアクセス |
Item type | SIG Technical Reports(1) | |||||||
---|---|---|---|---|---|---|---|---|
公開日 | 2008-09-14 | |||||||
タイトル | ||||||||
タイトル | LDAのためのcollapsed変分ベイズ推定のGPUによる高速化 | |||||||
タイトル | ||||||||
言語 | en | |||||||
タイトル | GPU Acceleration of collapsed variational Bayesian inference for LDA | |||||||
言語 | ||||||||
言語 | jpn | |||||||
資源タイプ | ||||||||
資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||
資源タイプ | technical report | |||||||
著者所属 | ||||||||
長崎大学工学部 | ||||||||
著者所属 | ||||||||
長崎大学工学部 | ||||||||
著者所属 | ||||||||
長崎大学工学部 | ||||||||
著者所属 | ||||||||
長崎大学工学部 | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Faculty of Engineering, Nagasaki University | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Faculty of Engineering, Nagasaki University | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Faculty of Engineering, Nagasaki University | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Faculty of Engineering, Nagasaki University | ||||||||
著者名 |
正田備也
× 正田備也
|
|||||||
著者名(英) |
Tomonari, Masada
× Tomonari, Masada
|
|||||||
論文抄録 | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | 本論文では,latent Dirichlet allocation (LDA) のための collapsed 変分ベイズ推定を Graphics Processing Unit (GPU) を用いて高速化する方法を提案する. LDA は,ベイズ理論に基づくマルチトピック文書モデルとして知られているが, Expectation-Maximization (EM) アルゴリズムが利用可能な probabilistic latent semantic indexing (PLSI) など他の文書モデルに比べ,パラメータ推定が複雑で膨大な計算を要する.そこで, LDA のための deterministic なパラメータ推定方法として優れている collapsed 変分ベイズ推定を, GPU を用いて高速化した.実験では約 500 万組の文書と単語のユニークなペアについて, 1 つの Nvidia GeForce 8800 GT 上で collapsed 変分ベイズ推定を実行, 20 Gflops の計算速度を得た. | |||||||
論文抄録(英) | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | In this paper, we propose a method for executing collapsed variational Bayesian inference for latent Dirichlet allocation (LDA) on Graphics Processing Unit (GPU). While LDA is a well-known multi-topic document model based on Bayesian methods, it requires complicated inference, which leads to enormous computations in comparison with other document models, e.g. probabilistic latent semantic indexing (PLSI), to which Expectation-Maximization (EM) algorithm is applicable. Therefore, we accelerate collapsed variational Bayesian inference, known as an efficient deterministic inference method for LDA, by using GPU. In the experiments, we used about 5 million unique pairs of documents and words. We achieved 20 Gflops on a single Nvidia GeForce 8800 GT. | |||||||
書誌レコードID | ||||||||
収録物識別子タイプ | NCID | |||||||
収録物識別子 | AN10112482 | |||||||
書誌情報 |
情報処理学会研究報告データベースシステム(DBS) 巻 2008, 号 88(2008-DBS-146), p. 67-72, 発行日 2008-09-14 |
|||||||
Notice | ||||||||
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||
出版者 | ||||||||
言語 | ja | |||||||
出版者 | 情報処理学会 |