Improving the performance of similarity joins using graphics processing unit

Benzerlik birleşimi, veri madenciliğinin önemli işlemlerindendir ve çeşitli alanlardan birçok uygulamada kullanılmaktadır. Bir benzerlik birleşimi işleci bir ya da iki veri noktası kümesi alır ve veri uzayında birbirleri arasındaki uzaklık belirli bir eşik değeri, epsilon, arasında olan veri noktası ikililerini çıktı olarak verir. Baz alınan iç içe geçmiş döngü algoritması bütün veri nesneleri arası uzaklık hesabı yapar. İç içe geçmiş döngü algoritması için çok fazla sorgu zamanı tutan, büyük veri kümeleri dikkate alındığında, böyle bir operasyonu hızlandırmak daha da önemli olmaktadır. Günümüz grafik işlemcilerinin, genel amaçlı paralel hesaplama mimarisinin de (CUDA) katkısıyla, hesaplama kapasiteleri birçok araştırmaya ön ayak olmaktadır. Bu motivasyonla, iki tane Grafik İşleme Birimi (GİB) tabanlı benzerlik birleşimi algoritması önermekteyiz. İlk olarak, genel amaçlı GİB programlamanın avantajlarından faydalanmak için, GİB'in kendine özgü özelliklerine uygun olan, geliştirilmiş iç içe geçmiş döngü algoritması (GPU-INLJ) önermekteyiz. Ayrıca herhangi bir birleşim ikilisi kaybına yol açmadan, her bölümün birbirinden bağımsız olarak benzerlik birleşimini sağlamayı garanti eden, bölümleme tabanlı benzerlik birleşimi algoritması (KMEANS-JOIN) önerilmektedir. Deneylerimiz büyük performans kazancı ve algoritmamızın büyük veri kümelerine uygunluğunu göstermektedir.