0

我有一段代码通过遍历矩阵的行和列来对矩阵执行计算。所执行的微积分是余弦距离测量,带有我在 Internet 上找到的代码(现在无法检索链接)。

可以有 10,000 行和列。矩阵是对称的,所以我只需要迭代它的一半。值是浮动的。

问题:它非常慢(似乎需要 3 到 6 个小时)。谁能指出我的改进?谢谢!

注意代码:它使用抽象类来提高灵活性:这样,在一个单独的类中定义的余弦计算可以很容易地被另一个类替换。

编码:

import Jama.Matrix;
import java.util.ArrayList;
import java.util.HashSet;
import java.util.concurrent.ExecutionException;

public abstract class AbstractSimilarity {

    HashSet<Triple<Double, Integer, Integer>> set = new HashSet();
    public ArrayList<Thread> listThreads = new ArrayList();

    public void transform(Matrix matrixToBeTransformed) throws InterruptedException, 
ExecutionException {

        int numDocs = termDocumentMatrix.getColumnDimension();

        Main.similarityMatrix = new Matrix(numDocs, numDocs);

        System.out.println("size of the matrix: " + numDocs + "x " + numDocs);

        //1. iteration through all rows of the matrixToBeTransformed
        for (int i = numDocs - 1; i >0 ; i--) {
            System.out.println("matrix treatment... " + ((float) i / (float) numDocs * 100) + "%");

            //2. isolates the row i of this matrixToBeTransformed
            Matrix sourceDocMatrix = matrixToBeTransformed.getMatrix(
                    0, matrixToBeTransformed.getRowDimension() - 1, i, i);



            // 3. Iterates through all columns of the matrixToBeTransformed
//            for (int j = 0; j < numDocs; j++) {
//                if (j < i) {
//
//                    //4. isolates the column j of this matrixToBeTransformed
//                    Matrix targetDocMatrix = matrixToBeTransformed.getMatrix(
//                            0, matrixToBeTransformed.getRowDimension() - 1, j, j);


                    //5. computes the similarity between this given row and this given column and writes it in a resultMatrix
//                    Main.resultMatrix.set(i, j, computeSimilarity(sourceDocMatrix, targetDocMatrix));
//                } else {
//                    Main.resultMatrix.set(i, j, 0);

//                }
//
//            }
        }

定义要完成的计算的类:

import Jama.Matrix;

public class CosineSimilarity extends AbstractSimilarity{

  @Override
  protected double computeSimilarity(Matrix sourceDoc, Matrix targetDoc) {
    double dotProduct = sourceDoc.arrayTimes(targetDoc).norm1();
    double eucledianDist = sourceDoc.normF() * targetDoc.normF();
    return dotProduct / eucledianDist;
  }

}
4

1 回答 1

2

您似乎正在处理 ^3 算法。n^2 因为您正在填充(半)矩阵。再次乘以 n,因为填充每个元素的方法(点积/范数)需要时间 n。好消息是,因为计算不相互依赖,你可以多线程来加速它。

public class DoCalc extends Thread
{
  public Matrix localM;
  int startRow;
  int endRow;
  public DoCalc(Matrix mArg, int startArg, int endArg)
  {
    localM=mArg;
    startRow=startArg;
    endRow=endArg;
  }

  public void doCalc()
  {
    //Pseudo-code
    for each row from startRow to endRow
      for each column 0 to size-1
        result[i][j] = similarityCalculation
  }
  public void run()
  {
    doCalc();
  }
}

public void transform(Matrix toBeTransformed)
{
  int numDocs = termDocumentMatrix.getColumnDimension();

  Main.similarityMatrix = new Matrix(numDocs, numDocs);
  Vector<DoCalc> running = new Vector<DoCalc>();
  int blockSize = 10;
  for (int x = 0; x < numDocs-1;x+=blockSize)
  {
    DoCalc tempThread = new DoCalc(toBeTransformed,x,(x+blockSize>numDocs-1)?numDocs-1:x+blockSize);
    tempThread.start();
    running.add(tempThread);
  }

  for (DoCalc dc : running)
    dc.join();

}

重要笔记:

这是一个非常幼稚的实现。如果您尝试使用您的大小的数组运行它,它将产生 1000 个线程。您可以摆弄 blockSize 或查看线程池。

充其量,这将使您的速度提高数倍,例如 4 倍等。如果您想要数量级的增益,您将需要正确配置和/或将您的算法更改为更有效的算法。鉴于您要执行的任务(在矩阵中的每个元素上运行相对昂贵的任务),后者可能是不可能的。

编辑:多线程只会显着提高速度,如果你是 cpu 绑定并且有一个多核 cpu 并且核心相对空闲。

于 2012-03-02T16:17:36.197 回答