Các thử nghiệm trên GPU cho bài toán PageRank mới được thực hiện trên lượng dữ
liệu nhỏ có thể lưu trữ đủ trên bộ nhớ chung của GPU. Các bài toán thực tế có lượng
dữ liệu lớn hơn thì khó có thể áp dụng một cách hiệu quả được. Do đó, hướng phát
triển tiếp theo là tìm hiểu các phương pháp tính toán khác có thể xử lý khối lượng dữ
liệu rất lớn. Với những bài toán như vậy, nếu chỉ sử dụng 1 GPU thì sẽ không hiệu quả,
các giải pháp multi-GPU hay cụm tính toán GPU (cluster GPU) là những hướng mở
rộng rất đáng quan tâm.
Ngoài ra, từ nghiên cứu này có thể phát triển tiếp việc ứng dụng GPU cho các phương pháp xếp hạng trang web dựa trên cấu trúc siêu liên kết khác (HITS, TrustRank,…), từ
TÀI LIỆU THAM KHẢO
1. L. Page, S. Brin, R. Motwani, T. Winograd (1999), "The PageRank Citation Ranking: Bringing Order to the Web", Technical Report,Stanford InfoLab. 2. Amy N.Langville, Carl D.Meyer (2006), Google's PageRank and Beyond: The
Science of Search Engine Rankings, Princeton University Press, New Jersey, pp. 1-55.
3. Bundit Manaskasemsak, Amon Rungsawang (2004), "Parallel PageRank Computation on a Gigabit PC Cluster", In Proceedings of 18th International Conference on Advanced Information Networking and Application.
4. Bundit Manaskasemsak, Amon Rungsawang (2005), "An Efficient Partition- Based Parallel PageRank Algorithm", In Proceedings of 11th International Conference on Parallel and Distributed Computing.
5. A. Arasu, J. Novak, A. Tomkins, J. Tonlin (2002), "PageRank Computation and the Structure of the Web: Experiments and Algorithms", In Proceedings of the 11th World Wide Web Conference.
6. S. Brin, L. Page (2008), "The Anatomy of a Large-scale Hypertextual Web Search Engine", In Proceedings of the 7th World Wide Web Conference.
7. NVIDIA (2009), NVIDIA CUDA Programming Guide 2.2.1.
8. C. Ding, X. He, P. Husbands, H. Zha, H. Simon (2001), "PageRank, HITS and a Unified Framework for Link Analysis", Techinical Report.
9. J. M. Kleinberg (1999), "Authoritative sources in a hyperlinked environment", J. ACM.