基于LSTM的水利信息分发实时推荐算法

发布时间：2023-03-10 22:41

　　随着水利信息化建设的逐步深入,水情信息的实时推荐需求越来越强烈。水利数据具有很强的时效性,要求推荐系统能够提供实时推荐服务。基于用户的协同过滤算法和基于信息的协同过滤算法(Item-based Collaborative Filtering,ItemCF)是推荐领域常用的2种算法,但两者在本质上都属于离线算法,不能满足水情信息分发实时性要求。提出了一种基于长短期记忆神经网络(Long-Short-Term Memory,LSTM)的水情信息分发实时推荐算法并对其优化。实验结果表明:基于LSTM的实时推荐算法在推荐时延方面最优,而优化的结合二分类模型和ItemCF推荐结果的实时推荐算法在推荐准确率方面最优,设计实现优化的基于LSTM的实时推荐算法综合效果较好,在保证水情信息推荐准确性的同时保证了推荐实时性。

【文章页数】：7 页

【文章目录】：
1 研究背景
2 用户会话模型
3 LSTM水情信息分发实时推荐算法
    3.1 LSTM神经网络结构
    3.2 基于LSTM的水情信息分发实时推荐算法
    3.3 推荐准确率优化
        3.3.1 短序列会话优化空间
        3.3.2 结合二分类实时推荐算法
4 结果分析
    4.1 实验数据
    4.2 LSTM-Session与ItemCF的推荐结果
    4.3 优化的LSTM-Session对短序列的推荐结果
    4.4 优化的LSTM-Session与其他算法的推荐结果
5 结 语



本文编号：3758697