HyperRec

HyperRec：具有高度计算的有效推荐系统

推荐系统是许多商业应用程序（例如在线购物网站）的重要工具。有几个问题使推荐任务在实践中非常具有挑战性。首先是需要有效而紧凑的表示来代表用户，项目和关系。第二个问题是在线市场正在动态变化，因此，建议算法适合快速更新和硬件加速。在本文中，我们提出了一种基于HyperDimensional Computing的新硬件友好推荐算法，称为HyperRec。与现有的解决方案不同，在HyperRec中利用浮点数的浮点数，用户和项目用高维度的二进制向量建模。二进制表示形式使仅使用布尔操作仅使用布尔操作执行提出的算法的推理过程，该算法在各种计算平台上有效，适用于硬件加速。在这项工作中，我们展示了如何利用GPU和FPGA加速所提出的HyperRec。与评级预测的最新方法相比，基于CPU的HyperREC实施的速度更快13.75倍，并且记忆力减少了87％，而预测的平均平方误差（MSE）降低了31.84％。与CPU相比，我们的FPGA施加平均更快67.0倍，能源效率更高6.9倍。与FPGA相比，我们的GPU实施平均进一步达到3.1×加速度，同时仅提供1.2倍降低能源效率。