现有的线性RankSVM已得到较有效的研究,但在训练大规模的线性RankSVM时,过长的训练时间依然难以让人接受。通过对当前最先进算法Tree-TRON的分析可知,利用信任区域的牛顿迭代(trustregionNewtonmethod,TRON)去训练线性RankSVM模型涉及大量的Hessian-vector内积(Hessian-vectorproduct)计算,同时完成Hessian-vector内积计算又需计算大量的辅助变量和矩阵运算。为了有效地加速与Hessian-vector内积有关的计算,在多核系统下提出了一种高效的并行算法(命名为PRankSVM)用于提高大规模线性Ran