Resumen

La factorización de matrices no negativas (NMF) descompone una matriz no negativa de alta dimensión en el producto de dos matrices no negativas de dimensión reducida. Sin embargo, la NMF convencional ni califica conjuntos de datos a gran escala, ya que mantiene todos los datos en memoria, ni preserva la estructura geométrica de los datos, necesaria en algunas tareas prácticas. En este trabajo, proponemos un NMF paralelo con el método de regularización múltiple (PNMF-M) para superar las deficiencias antes mencionadas mediante la paralelización del NMF regularizado múltiple en un sistema informático distribuido. En particular, PNMF-M distribuye tanto las muestras de datos como las matrices factoriales a múltiples nodos de computación en lugar de cargar todo el conjunto de datos en un único nodo y actualiza ambas matrices factoriales localmente en cada nodo. De este modo, PNMF-M consigue resolver la presión del consumo de memoria para conjuntos de datos a gran escala y acelerar el cálculo mediante la paralelización. Para construir la matriz de adyacencia en la regularización de múltiples, proponemos un método de construcción de grafos distribuidos en dos pasos, que se demuestra equivalente al método de construcción por lotes. Los resultados experimentales en corpus de texto populares y conjuntos de datos de imágenes demuestran que PNMF-M mejora significativamente tanto la escalabilidad como la eficiencia temporal del NMF convencional gracias a la paralelización en el sistema de computación distribuida; mientras tanto, mejora significativamente la capacidad de representación del NMF convencional gracias a la regularización múltiple incorporada.

• Materias:Ingeniería electrónica Redes Inalámbricas Modelo computacional Procesamiento de señales asistido por computador Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Computational Model Signal processing computer-assisted Data processing
• Palabras claves:gracias nmf convencional, pnmf, sistema informático, matrices factoriales, conjuntos de datos a escala, factorización de matrices no negativas, método de construcción por lotes, matrices no negativas dimensionales, matriz no negativa dimensional, método de construcción de grafos
• Keywords:conventional nmf thanks, pnmf, computing system, factor matrices, scale datasets, nonnegative matrix factorization, batch construction method, dimensional nonnegative matrices, dimensional nonnegative matrix, graph construction method