基于LSTM的水利信息分发实时推荐算法

• 作者: 信明权 刘树波 卢焱鑫 李效宁 李永峰
• 来源期刊: 长江科学院院报
• 学科: 工学
• 关键词: 水情信息 分发 实时推荐 ItemCF LSTM 二分类模型 优化
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 信息技术应用
• 页码范围: 137-143
• 页数: 7页
• 分类号: TN912
• 字数: 5233字
• 语种: 中文
• DOI: 10.11988/ckyyb.20181201

摘要

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 Collabora-tive 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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘树波	武汉大学计算机学院	44	113	7.0	8.0
2	李永峰		4	17	2.0	4.0
3	卢焱鑫	武汉大学计算机学院	2	2	1.0	1.0
4	信明权	武汉大学计算机学院	1	0	0.0	0.0
5	李效宁		2	0	0.0	0.0