Acelerando a construção de tabelas hash para dados textuais com aplicações

• Ano de defesa: 2020
• Autor(a) principal: Barros, Chayner Cordeiro
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Goiás; Instituto de Informática - INF (RG); Brasil; UFG; Programa de Pós-graduação em Ciência da Computação (INF)
• Palavras-chave em Português: Computação de alto desempenho; Aprendizado de máquina; Mineração de texto; Matriz de coocorrência; Tabelas hash; Embeddings; CUDA; Hpc; Machine learning; High performance computing; Text mining; Co-occurrence matrix; Hash tables; CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
• Link de acesso: http://repositorio.bc.ufg.br/tede/handle/tede/11006

A mineração de texto (text mining) se caracteriza pela extração de informações a partir de dados textuais, nos mais diversos formatos, objetivando a produção de conhecimento, a classificação, clusterização, tradução desta informação entre outras tarefas. Para que a mineração de textos seja eficiente alguns procedimentos são realizados sobre os dados para garantir que eles contenham apenas conteúdo relevante à análise que será realizada, e que estejam estruturados num formato mais fácil de ser manipulado computacionalmente. Diversas tarefas de pré-processamento devem ser realizadas sobre esses dados, para alcançar a qualidade e a representação desejada. Neste sentido, o presente trabalho propõe uma implementação de tabela hash capaz de explorar o alto paralelismo disponível nas GPUs de forma eficiente, como forma de aumentar o desempenho das tarefas de pré- processamento de texto. Entretanto, este trabalho não apenas apresenta algoritmos mais eficientes, mas também demonstra a viabilidade de seu uso em aplicações como a geração da matriz de coocorrência e da representação do texto utilizando-se embeddings.