IMGPU: GPU-Accelerated Influence Maximization in Large-Scale Social Networks
-
Mo Li, Zhenjiang Li, Longfei Shangguan, Shaojie Tang, and Xiang-Yang Li
-
TPDS 2014
概要
-
influence maximizationのGPUを取り入れたよ
-
既存手法の60倍速くなったよ
IMGPU
Bottom-Up Traversal Algorithm (BUTA)
-
元のグラフから沢山ランダムグラフを作る
-
各頂点のレベルを定義
-
レベルで並列化するよ
-
SCC内は全部同じなのでつぶすよ
-
σ_S(u) = Σ_{v∈out(u)} σ_S(v) + w(u) - overlap(out(u))
-
overlapは各頂点から到達可能な頂点の重複部分
-
全体でO(kRm)
-
ホントかいな…
-
MixGreedyはCohenのアルゴリズムを使っているが,こっちは正確に求めるらしい
-
Appendixがあるらしいのでそのうち読む
GPUでの実装
-
辺をどう持つかまで言及
-
かなり細かく書いてあるけれど専門的なので分からない
実験
-
比較手法
-
本論文: BUTA(普通に実行),IMGPU,IMGPU_O(さらに最適化)
-
データセット
-
Twitterが大きい,|V|=11M,|E|=85M
-
確率設定
-
influence spread
-
実行時間
-
Twitterでは,IMGPU(_O)は2~3万秒位?
-
IMGPUはBUTAに比べて10倍位しか(?)変わらない
-
PMIAが普通に動いている
-
色々入れた最適化のそれぞれの効果を実験
まとめ
-
並列・分散のジャーナルだし,GPUで頑張れば通るのかあ
-
BUTAがいまいち分からなかった
-
p=0.1でやって欲しい
TPDS influence maximization
2014-03-19 23:37:34 (Wed)
最終更新:2014年03月19日 23:37