動态评价网络的统计分析与信息挖掘.docVIP

国家自然科学基金委信息科学部主任基金项目 《动态评价网络的统计分析与信息挖掘》 项目批准号:（2008-2009） 发表论文 中文简介 A 10篇代表性论文(按重要性)　 [1] Tao Zhou, Zoltan Kuscsik, Jian-Guo Liu, Matus Medo, Joseph Wakeling, Yi-Cheng Zhang Solving the apparent diversity-accuracy dilemma of recommender systems PNAS doi: 10.1073/pnas.1000488107 该文章明确指出传统意义上的信息推荐算法具有“过度强调精确性而忽略多样性”的缺点，而信息提供者的价值“往往更多地源于提供多样和新颖的信息”。该文第一次系统研究了仅知道网络拓扑结构的情况下如何考量推荐算法的多样性和新颖性，这对于该方向的研究起到了基础性的作用。文章还开创性地提出了一种专门推荐“不太流行的冷门资源”的基于热传导的算法，该算法与所有已知的均倾向于发掘“流行资源”的算法大异其趣。文章通过大量基于真实数据的分析，显示了此算法与基于物质扩散的算法结合后，可以同时明显提高推荐系统的准确度、多样性和新颖性。这一发现有望推动甚至最终解决推荐系统中精确性与多样性鱼和熊掌不可兼得之难题。 [2] Tao