隨著水利信息化建設(shè)的逐步深入,水情信息的實(shí)時(shí)推薦需求越來(lái)越強(qiáng)烈。水利數(shù)據(jù)具有很強(qiáng)的時(shí)效性,要求推薦系統(tǒng)能夠提供實(shí)時(shí)推薦服務(wù)。基于用戶的協(xié)同過(guò)濾算法和基于信息的協(xié)同過(guò)濾算法(Item-based Collaborative Filtering,ItemCF)是推薦領(lǐng)域常用的2種算法,但兩者在本質(zhì)上都屬于離線算法,不能滿足水情信息分發(fā)實(shí)時(shí)性要求。提出了一種基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(Long-Short-Term Memory,LSTM)的水情信息分發(fā)實(shí)時(shí)推薦算法并對(duì)其優(yōu)化。實(shí)驗(yàn)結(jié)果表明:基于LSTM的實(shí)時(shí)推薦算法在推薦時(shí)延方面最優(yōu),而優(yōu)化的結(jié)合二分類(lèi)模型和ItemCF推薦結(jié)果的實(shí)時(shí)推薦算法在推薦準(zhǔn)確率方面最優(yōu),設(shè)計(jì)實(shí)現(xiàn)優(yōu)化的基于LSTM的實(shí)時(shí)推薦算法綜合效果較好,在保證水情信息推薦準(zhǔn)確性的同時(shí)保證了推薦實(shí)時(shí)性。

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 研究背景
2 用戶會(huì)話模型
3 LSTM水情信息分發(fā)實(shí)時(shí)推薦算法
    3.1 LSTM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    3.2 基于LSTM的水情信息分發(fā)實(shí)時(shí)推薦算法
    3.3 推薦準(zhǔn)確率優(yōu)化
        3.3.1 短序列會(huì)話優(yōu)化空間
        3.3.2 結(jié)合二分類(lèi)實(shí)時(shí)推薦算法
4 結(jié)果分析
    4.1 實(shí)驗(yàn)數(shù)據(jù)
    4.2 LSTM-Session與ItemCF的推薦結(jié)果
    4.3 優(yōu)化的LSTM-Session對(duì)短序列的推薦結(jié)果
    4.4 優(yōu)化的LSTM-Session與其他算法的推薦結(jié)果
5 結(jié) 語(yǔ)



本文編號(hào)：3758697