一种基于社会化媒体和社会网络结构的混合推荐模型

近年来,社交网络的迅速发展为在线用户之间的沟通和交流带来极大便利,为良好的信息推荐服务提供了丰富的资源,与此同时也为个性化推荐带来了更为复杂的技术挑战.本文通过自然语言处理技术获取用户在社会化媒体(新浪微博)中的个性化兴趣标签信息,应用到自行设计开发的社会化阅读应用牛赞网中.进一步地,利用用户在牛赞网中的阅读行为和社交信息,结合用户的社会化媒体兴趣,提出了一种混合推荐模型.实验基于牛赞网中的实际数据集,并与基于用户的经典协同推荐模型进行了对比,结果表明,提出的模型在推荐性能的几个指标(AUC、准确率、召回率、多样性和新颖性)上都有很大的提高.最后,通过对牛赞网中几个典型用户进行进一步的案例分析后得出,混合推荐模型的最优参数需要根据不同社会化行为的用户进行调节.     

基于关键词的语义动力学实证分析

为了研究论文关键词在期刊系统中的过滤和分类作用,本文运用语义动力学的分析方法,对美国国家科学院院刊近16年的关键词进行了实证统计分析,包括关键词的词频分布、关键词演化标度行为,以及关键词的衰减因子变化.统计显示,美国国家科学院院刊中关键词的词频近似符合跨越4个数量级的Zipf分布,其指数为0.86.特别地,实证数据显示,每年新关键词的数目和所有关键词总数在演化过程中存在一个非常漂亮的幂次标度关系,其指数约为0.75.令人惊讶的是,严肃规范的期刊关键词和随意的网页标签具有几乎一致的演化标度律.这些不同系统中共同出现的的统计规律对于认识基于关键词的语义系统演化行为有借鉴作用.     

复杂网络观察

总结了几位作者对复杂网络研究中存在的重要问题和发展趋势的讨论,其中既包括度分布和度指数的分析和计算,各种不同动力学之间的内在一致性,网络加速增长机制这样的基本问题,也包括了网络中尺度这类细致深入的结构分析.还就复杂网络与其他重要研究方向深入结合的现状和未来展开了讨论,包括复杂网络中的链路预测问题,复杂网络在信息推荐系统中的应用,复杂网络与信息物理系统的可能结合,复杂网络和人类动力学的结合以及复杂网络在国家安全方面可能的重要战略地位.     

社会化标签系统的结构、演化和功能

从复杂性科学角度总结了社会化标签系统的结构、演化和功能问题.包括多类异质性节点和超图模型的网络结构;基于标注行为的网络演化模型;基于标签的个性化推荐系统.系统地总结和比较了当前几种代表性的模型和推荐算法,并指出各方法的优缺点和适用范围.有助于更深层次理解和解决社会化标签系统中的理论和应用问题.     

时序超网络上重要节点挖掘方法研究

在如何识别时序超网络上的重要节点方面取得了一定的进展。定义了该类网络上度量节点重要性程度的8个中心性方法及随机移除节点的基线方法，分别侧重于网络不同的拓扑结构性质和时间特征，从多个角度综合考虑了该类网络上节点的重要性。同时，构建了时序超网络上的SI传播模型，基于该模型提出了新的评估方法来衡量所提出的中心性方法的有效性。研究表明，在时序超网络上，基于最快到达路径的介数中心性方法是评价该类网络上节点重要性的良好指标。此外，基于时间分辨率的度和超度中心性方法通过寻找网络的最佳时间分辨率，可以进一步优化普通的度和超度中心性方法，弥补了普通方法不能有效考虑网络时间信息的缺点，且在多个真实网络上表现出与介数中心性方法相当的性能。