Acknowledgement
이 논문은 삼성전자 미래기술육성센터의 지원을 받아 수행된 연구 (과제번호 SRFC-IT1901-03)임.
Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)
- 2020.11a
- /
- Pages.96-97
- /
- 2020
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
GPU-based Sparse Matrix-Vector Multiplication Schemes for Random Walk with Restart: A Performance Study
랜덤워크 기법을 위한 GPU 기반 희소행렬 벡터 곱셈 방안에 대한 성능 평가
- Yu, Jae-Seo (Dept. of Computer Science, Hanyang University) ;
- Bae, Hong-Kyun (Dept. of Computer Science, Hanyang University) ;
- Kang, Seokwon (Dept. of Computer Science, Hanyang University) ;
- Yu, Yongseung (Dept. of Computer Science, Hanyang University) ;
- Park, Yongjun (Dept. of Computer Science, Hanyang University) ;
- Kim, Sang-Wook (Dept. of Computer Science, Hanyang University)
- 유재서 (한양대학교 컴퓨터소프트웨어학과) ;
- 배홍균 (한양대학교 컴퓨터소프트웨어학과) ;
- 강석원 (한양대학교 컴퓨터소프트웨어학과) ;
- 유용승 (한양대학교 컴퓨터소프트웨어학과) ;
- 박영준 (한양대학교 컴퓨터소프트웨어학과) ;
- 김상욱 (한양대학교 컴퓨터소프트웨어학과)
- Published : 2020.11.05
Abstract
랜덤워크 기반 노드 랭킹 방식 중 하나인 RWR(Random Walk with Restart) 기법은 희소행렬 벡터 곱셈 연산과 벡터 간의 합 연산을 반복적으로 수행하며, RWR 의 수행 시간은 희소행렬 벡터 곱셈 연산 방법에 큰 영향을 받는다. 본 논문에서는 CSR5(Compressed Sparse Row 5) 기반 희소행렬 벡터 곱셈 방식과 CSR-vector 기반 희소행렬 곱셈 방식을 채택한 GPU 기반 RWR 기법 간의 비교 실험을 수행한다. 실험을 통해 데이터 셋의 특징에 따른 RWR 의 성능 차이를 분석하고, 적합한 희소행렬 벡터 곱셈 방안 선택에 관한 가이드라인을 제안한다.
Keywords