Resumen

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

• Materias:Calibración geométrica Núcleos computacionales Consultas de palabras clave Pronóstico probabilístico Máquina de aprendizaje
• Subjects:Geometric calibration Computational kernels Keyword queries Probabilistic forecasting Machine learning
• Palabras claves:Análisis semántico latente; Recuperación de información; Descomposición de valores singulares; Costo computacional; Sistemas heterogéneos; Núcleos CUDA
• Keywords:Latent semantic analysis; Information retrieval; Singular value decomposition; Computational cost; Heterogeneous systems; CUDA cores