基于网络拓扑统计的恒生证券指数处理

为分析香港证券市场恒生指数(HSI)的动力学特性, 依据粗粒化处理的同质划分方法, 将HSI的时间序列转化为由4个特征字符{R, r, d, D}构成的HSI符号序列. 由符号序列中的16种2-字串的元结构(即16种HSI变化模式)为网络的节点构建了一个加权证券指数网络, 这一网络将证券市场指数波动和变化模式的相互关系和相互作用等信息编码在网络的拓扑结构之中. 通过对网络的拓扑参数中介中心性的测量, 发现在两个量级的时间间隔标度范围内, 至少有3个高中介中心性的网络节点, 即网络中18.7%的节点承担了网络的71.9%的中介中心性功能, 它们所代表的HSI变化模式具有很好的统计稳定性, 识别这些具有拓扑统计重要性的节点模式对于理解证券市场的波动规律以及信息传输特性有积极意义. 对比计算了随机网络节点的中介中心性, 其中每一个节点的中介中心性能力几乎是均等的, 没有一个节点显得特别地突出, 这些表明香港证券市场在统计意义下是稳定的而不是随机的.     

个性化推荐系统的研究进展

互联网技术的迅猛发展把我们带进了信息爆炸的时代。海量信息的同时呈现,一方面使用户很难从中发现自己感兴趣的部分,另一方面也使得大量少人问津的信息成为网络中的“暗信息”,无法被一般用户获取。个性化推荐系统通过建立用户与信息产品之间的二元关系,利用已有的选择过程或相似性关系挖掘每个用户潜在感兴趣的对象,进而进行个性化推荐,其本质就是信息过滤。个性化推荐系统不仅在社会经济中具有重要的应用价值,而且也是一个非常值得研究的科学问题。事实上,它是目前解决信息过载问题最有效的工具。文中根据推荐算法的不同,分别介绍了协同过滤系统,基于内容的推荐系统,混合推荐系统,以及最近兴起的基于用户一产品二部图网络结构的推荐系统。并结合这些推荐系统的特点以及存在的缺陷,提出了改进的方法和未来可能的若干研究方向。推荐系统的研究受到了信息科学、计算数学、统计物理学、认知科学等多学科的关注,它与管理科学、消费行为等研究也密切相关。能够为不同学科领域的科研工作者研究推荐系统提供借鉴,有助于我国学者了解该领域的主要进展。