中國(guó)大數(shù)據(jù)和人工智能技術(shù)正處于蓬勃發(fā)展階段，先進(jìn)模型算法不斷涌現(xiàn)。本期專欄推出3篇論文，以大數(shù)據(jù)和人工智能應(yīng)用為中心，面向工業(yè)界和學(xué)術(shù)界的應(yīng)用場(chǎng)景，介紹前沿模型算法的相關(guān)應(yīng)用案例。

第1篇是張冬雯等撰寫(xiě)的《基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)模型的空氣質(zhì)量預(yù)測(cè)》。這是一篇算法類的文章，主要針對(duì)當(dāng)前空氣質(zhì)量預(yù)測(cè)研究中預(yù)測(cè)精度低、效率低、缺失時(shí)間因素等問(wèn)題，從時(shí)間角度提出了一種簡(jiǎn)單的空氣質(zhì)量預(yù)測(cè)方法——LSTM神經(jīng)網(wǎng)絡(luò)模型，使用MAPE，RMSE，R，IA和MAE等指標(biāo)檢測(cè)LSTM神經(jīng)網(wǎng)絡(luò)與對(duì)比模型的預(yù)測(cè)性能。實(shí)驗(yàn)結(jié)果表明，LSTM神經(jīng)網(wǎng)絡(luò)可以適應(yīng)多個(gè)變量或多輸入的時(shí)間序列預(yù)測(cè)問(wèn)題，具有預(yù)測(cè)精度高、速度快和魯棒性較強(qiáng)等優(yōu)點(diǎn)，使用LSTM神經(jīng)網(wǎng)絡(luò)進(jìn)行空氣質(zhì)量預(yù)測(cè)可以有效提高預(yù)測(cè)的準(zhǔn)確性。

第2篇是周萬(wàn)珍等撰寫(xiě)的綜述性文章《推薦系統(tǒng)研究綜述》，對(duì)傳統(tǒng)的推薦方法和當(dāng)前深度學(xué)習(xí)技術(shù)中神經(jīng)網(wǎng)絡(luò)在推薦方法上的應(yīng)用進(jìn)行了歸納。傳統(tǒng)的推薦方法分為3類：1）基于內(nèi)容的推薦方法;2）協(xié)同過(guò)濾的推薦方法;3）混合推薦方法。基于深度學(xué)習(xí)的推薦方法依據(jù)神經(jīng)網(wǎng)絡(luò)的類別主要分為4類：1）基于深度神經(jīng)網(wǎng)絡(luò)（DNN）的推薦方法;2）基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的推薦方法;3）基于循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）和長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）的推薦方法;4）基于圖神經(jīng)網(wǎng)絡(luò)（GNN）的推薦方法。研究表明，將深度學(xué)習(xí)技術(shù)應(yīng)用到推薦領(lǐng)域，構(gòu)成的推薦模型具有較多優(yōu)勢(shì)。在推薦領(lǐng)域中融入深度學(xué)習(xí)技術(shù)，可以解決傳統(tǒng)推薦方法中存在的問(wèn)題，提高推薦質(zhì)量。

第3篇是瞿英等撰寫(xiě)的《基于文本分析的軟件項(xiàng)目風(fēng)險(xiǎn)研究演化脈絡(luò)解析》。軟件項(xiàng)目風(fēng)險(xiǎn)管理是軟件項(xiàng)目管理中的重點(diǎn)問(wèn)題之一，隨著軟件行業(yè)的發(fā)展，軟件項(xiàng)目風(fēng)險(xiǎn)也呈現(xiàn)出新的特點(diǎn)，風(fēng)險(xiǎn)管理內(nèi)容也產(chǎn)生了新的變化。為了追蹤軟件項(xiàng)目風(fēng)險(xiǎn)管理研究的脈絡(luò)和發(fā)展趨勢(shì)，此篇論文以CNKI及ScienceDirect數(shù)據(jù)庫(kù)為數(shù)據(jù)基礎(chǔ)，運(yùn)用爬蟲(chóng)技術(shù)，獲取了國(guó)內(nèi)外軟件項(xiàng)目風(fēng)險(xiǎn)相關(guān)文獻(xiàn)2 092篇，利用分詞技術(shù)方法，對(duì)文獻(xiàn)作者、摘要等內(nèi)容進(jìn)行了詞頻分析，挖掘研究主體的空間分布情況，梳理出軟件項(xiàng)目風(fēng)險(xiǎn)概念界定、研究階段、研究方法等方面的演化進(jìn)程。通過(guò)對(duì)文獻(xiàn)主題進(jìn)行分析，梳理出軟件項(xiàng)目風(fēng)險(xiǎn)研究將面臨以下新挑戰(zhàn)：一是“新風(fēng)險(xiǎn)”對(duì)風(fēng)險(xiǎn)識(shí)別過(guò)程帶來(lái)的挑戰(zhàn);二是風(fēng)險(xiǎn)管理從靜態(tài)到動(dòng)態(tài)轉(zhuǎn)變的挑戰(zhàn);三是風(fēng)險(xiǎn)知識(shí)庫(kù)構(gòu)建的挑戰(zhàn)。這些探索將為軟件項(xiàng)目風(fēng)險(xiǎn)防控、提升軟件項(xiàng)目成功率提供新的解決思路。

主持人簡(jiǎn)介

許云峰，男，1980年出生，河北鹽山縣人，河北科技大學(xué)信息科學(xué)與工程學(xué)院副教授，碩士生導(dǎo)師。主要研究方向：社區(qū)發(fā)現(xiàn)、機(jī)器學(xué)習(xí)等。參研近30項(xiàng)橫縱向課題，主持多項(xiàng)河北省科技廳和河北省教育廳研究項(xiàng)目，參研國(guó)家自然科學(xué)基金項(xiàng)目2項(xiàng)。在國(guó)內(nèi)外公開(kāi)刊物發(fā)表學(xué)術(shù)論文20余篇，其中SCI 2區(qū)及3區(qū)論文3篇，被EI收錄12篇，論文被引用200多次。