中國大數據和人工智能技術正處于蓬勃發(fā)展階段，先進模型算法不斷涌現。本期專欄推出3篇論文，以大數據和人工智能應用為中心，面向工業(yè)界和學術界的應用場景，介紹前沿模型算法的相關應用案例。

第1篇是張冬雯等撰寫的《基于長短期記憶神經網絡模型的空氣質量預測》。這是一篇算法類的文章，主要針對當前空氣質量預測研究中預測精度低、效率低、缺失時間因素等問題，從時間角度提出了一種簡單的空氣質量預測方法——LSTM神經網絡模型，使用MAPE，RMSE，R，IA和MAE等指標檢測LSTM神經網絡與對比模型的預測性能。實驗結果表明，LSTM神經網絡可以適應多個變量或多輸入的時間序列預測問題，具有預測精度高、速度快和魯棒性較強等優(yōu)點，使用LSTM神經網絡進行空氣質量預測可以有效提高預測的準確性。

第2篇是周萬珍等撰寫的綜述性文章《推薦系統(tǒng)研究綜述》，對傳統(tǒng)的推薦方法和當前深度學習技術中神經網絡在推薦方法上的應用進行了歸納。傳統(tǒng)的推薦方法分為3類：1）基于內容的推薦方法;2）協(xié)同過濾的推薦方法;3）混合推薦方法?；谏疃葘W習的推薦方法依據神經網絡的類別主要分為4類：1）基于深度神經網絡（DNN）的推薦方法;2）基于卷積神經網絡（CNN）的推薦方法;3）基于循環(huán)神經網絡（RNN）和長短期記憶神經網絡（LSTM）的推薦方法;4）基于圖神經網絡（GNN）的推薦方法。研究表明，將深度學習技術應用到推薦領域，構成的推薦模型具有較多優(yōu)勢。在推薦領域中融入深度學習技術，可以解決傳統(tǒng)推薦方法中存在的問題，提高推薦質量。

第3篇是瞿英等撰寫的《基于文本分析的軟件項目風險研究演化脈絡解析》。軟件項目風險管理是軟件項目管理中的重點問題之一，隨著軟件行業(yè)的發(fā)展，軟件項目風險也呈現出新的特點，風險管理內容也產生了新的變化。為了追蹤軟件項目風險管理研究的脈絡和發(fā)展趨勢，此篇論文以CNKI及ScienceDirect數據庫為數據基礎，運用爬蟲技術，獲取了國內外軟件項目風險相關文獻2 092篇，利用分詞技術方法，對文獻作者、摘要等內容進行了詞頻分析，挖掘研究主體的空間分布情況，梳理出軟件項目風險概念界定、研究階段、研究方法等方面的演化進程。通過對文獻主題進行分析，梳理出軟件項目風險研究將面臨以下新挑戰(zhàn)：一是“新風險”對風險識別過程帶來的挑戰(zhàn);二是風險管理從靜態(tài)到動態(tài)轉變的挑戰(zhàn);三是風險知識庫構建的挑戰(zhàn)。這些探索將為軟件項目風險防控、提升軟件項目成功率提供新的解決思路。

主持人簡介

許云峰，男，1980年出生，河北鹽山縣人，河北科技大學信息科學與工程學院副教授，碩士生導師。主要研究方向：社區(qū)發(fā)現、機器學習等。參研近30項橫縱向課題，主持多項河北省科技廳和河北省教育廳研究項目，參研國家自然科學基金項目2項。在國內外公開刊物發(fā)表學術論文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。