Parallel solutions for large-scale eigenvalue problems arising in graph analytics

Résumé : Les graphes, ou réseaux, sont des structures mathématiques représentant des relations entre des éléments. Ces systèmes peuvent être analysés dans le but d’extraire des informations sur la structure globale ou sur des composants individuels. L'analyse de graphe conduit souvent à des problèmes hautement complexes à résoudre. À grande échelle, le coût de calcul de la solution exacte est prohibitif. Heureusement, il est possible d’utiliser des méthodes d’approximations itératives pour parvenir à des estimations précises. Lesméthodes historiques adaptées à un petit nombre de variables ne conviennent pas aux matrices creuses de grande taille provenant des graphes. Par conséquent, la conception de solveurs fiables, évolutifs, et efficaces demeure un problème essentiel. L’émergence d'architectures parallèles telles que le GPU ouvre également de nouvelles perspectives avec des progrès concernant à la fois la puissance de calcul et l'efficacité énergétique. Nos travaux ciblent la résolution de problèmes de valeurs propres de grande taille provenant des méthodes d’analyse de graphe dans le but d'utiliser efficacement les architectures parallèles. Nous présentons le domaine de l'analyse spectrale de grands réseaux puis proposons de nouveaux algorithmes et implémentations parallèles. Les résultats expérimentaux indiquent des améliorations conséquentes dans des applications réelles comme la détection de communautés et les indicateurs de popularité
Type de document :
Thèse
Distributed, Parallel, and Cluster Computing [cs.DC]. Université Paris-Saclay, 2017. English. 〈NNT : 2017SACLV069〉
Liste complète des métadonnées

Littérature citée [115 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01668474
Contributeur : Abes Star <>
Soumis le : mercredi 20 décembre 2017 - 09:46:11
Dernière modification le : lundi 9 avril 2018 - 12:47:07

Fichier

74223_FENDER_2017_archivage.pd...
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01668474, version 1

Collections

Citation

Alexandre Fender. Parallel solutions for large-scale eigenvalue problems arising in graph analytics. Distributed, Parallel, and Cluster Computing [cs.DC]. Université Paris-Saclay, 2017. English. 〈NNT : 2017SACLV069〉. 〈tel-01668474〉

Partager

Métriques

Consultations de la notice

1106

Téléchargements de fichiers

267