A PSO-Based Document Classification Algorithm accelerated by the CUDA Platform

“A PSO-Based Document Classification Algorithm accelerated by the CUDA Platform” başlıklı çalışma Jan Platos, Vaclav Snasel, Tomas Jezowicz, Pavel Kromer ve Ajith Abraham tarafından hazırlanmış olup 14-17 Ekim 2012 tarihleri arasında Güney Kore’nin başkenti Seul’de düzenlenmiş olan “2012 IEEE International Conference on Systems, Man, and Cybernetics” isimli konferansta sunulmuştur.

Dokümanların belirlenmiş etiket ve kategorilere göre sınıflandırılması bilinen bir problemdir. Bu problemi çözmek için çeşitli algoritmalar önerilmiştir. Klasik yöntemlerin doküman sayısının artmasıyla bağlantılı olarak çözüm süresini uzatması sonucu sezgisel yöntemlerle bu probleme çözümler üretilmiştir. Doküman sayısının çok büyük olduğu durumlarda bu çözümünde süre olarak verimsiz olmasından dolayı GPU ile CUDA platformu kullanarak bir hızlandırma işlemi yapılmıştır.

Doküman sınıflandırma bilgi alma ve kişiselleştirilmiş öneri sistemleri gibi alanlara da uyarlanabilir.

Doküman Sınıflandırma Nedir?

Bir doküman birden fazla kategoriye ait olabilir. Bir kategoride birden çok doküman bulunabilir.

Evrimsel bir algoritmada ana görev fitness fonksiyonunu belirlemektir. Doküman sınıflandırmada ölçüm yapmak için hassasiyet(precision) ve geri çağırma(recall) metrikleri kullanılır.

pr-re

TP (true positive): Doğru tasnif edilmiş doküman sayısı
FP (false positives): Yanlış tasnif edilmiş doküman sayısı
FN (false negatives): Yanlışlıkla tasnif edilememiş doküman sayısı

f1

Amaç fonksiyonu yukarıdaki şekilde oluşturulur. Bu amaç fonksiyonu tek bir kategori için iyi çalışırken birden çok kategori için iyi çalışmamaktadır. Dolayısıyla precision ve recall değerlerinin ortalamasını alma yaklaşımı kullanılmıştır. Temelde iki ortalama yaklaşımı bulunmaktadır, Mikro ve Makro Ortalama ile nasıl hesaplama yapıldığını öğrenmek için tıklayınız..

Çalışmada doküman sayısı küçük olduğu zaman makro ortalama, büyük olduğu zaman mikro ortalama kullanılmıştır.

Çalışmada paralelleştirme süreci ile ilgili 2 farklı varyant/versiyon/yaklaşım önerilmiştir.

1.Yaklaşım:
variant1

m kategorileri n dökümanları işaret etmektedir. Her kernel k kadar karşılaştırma yapmaktadır. Bu da (MxN)/k kadar thread’in işlem yapması gerekliliği demektir.

2.Yaklaşım:
variant2

Her bir thread benzerlik vektöründeki bir elemanla karşılaştırılmaktadır. Her blokta d kadar thread çalıştırılır. MxN adet blok gerekmektedir. Bu yaklaşımda geçici benzerlik vektörü shared memory’de tutulmakta böylelikle hız kazanımı elde edilmektedir.

Çalışmada shared memory ile önerilen modelin daha yavaş çalıştığı açıklanmıştır.

Çalışmada literatürde bilinen 3 doküman sınıflandırma veri seti kullanılmıştır. Bunlar;
Reuters-21578 : http://www.daviddlewis.com/resources/testcollections/reuters21578/
Iris : http://archive.ics.uci.edu/ml/datasets/Iris
20 Newsgroup: http://people.csail.mit.edu/jrennie/20Newsgroups/

İlk ikisinde literatürdeki çalışmalarla kıyaslanabilecek sonuçlar üretilsede üçüncü set için iyi bir sonuç elde edilememiştir.

İndirmek için:
A_PSO-Based_Document_Classification_Algorithm_accelerated_by_the_CUDA_Platform

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir