动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 Zhou, Linyuan Lü, Yi-Cheng Zhang Predicting missing links via local information European Physical Journal B 71 (2009) 623 基于网络的链路预测自08年Clauset等人发表Nature论文之后成为复杂网络与信息挖掘方面研究的共同热点。动态评价网络的信息挖掘本质上是二部分网络上的链路预测。该文提出了两种基于局部信息的相似性指标——资源扩散指数、局域路径指数，通过和9种广为人知的局部相似性指标再6种不同真实网络中进行比较，文章指出新提出的两种指标明显具有更好地刻画节点相似及相近程度的能力。文章提出后立刻受到了广泛的关注，已经有其他三个研究团队跟踪讨论了资源扩散参数在信息推荐、有向网络链路预测和社区结构挖掘方面的应用。这些结果均证明了该文提出的指数具有明显优于已知局部参数的性质。 [3] Matus Medo, Yi-Cheng Zhang, Tao Zhou Adaptive model for recommendation of news Europhysics Letters 88 (2009) 38005 最近的一些大规模实证研究显示，信息推荐中社会关系往往比推荐内容与用户喜好的匹配程度更加重要。事实上，用户更喜欢来自朋友而非来自系统的推荐。因此，社会过滤（social filtering）被认为极有可能成为下一代信息过滤器（搜索引擎、推荐系统……）的核心之一。该文以Web 2.0系统中新闻共享和推荐为例，提出了基于适应性网络的一种社会过滤机制，该机制能够明显提高用户体验。L’Atelier对文章作者进行了专访，并在L’Atelier Report中对该文进行了专题报道。 [4] Tao Zhou, Luo-Luo Jiang, Ri-Qi Su, Yi-Cheng Zhang Effect of initial configuration on network-based Recommendation Europhysics Letters 81 (2008) 58004 该文通过考虑基于物质扩散的信息推荐算法中初始物质分布的精细结构，提出了一种改进的算法，此算法相比原始算法，能够将精确性提高10%左右。该文的真正重要的价值在于首次明确提出了基于用户-资源的二部分网络结构，如何对推荐的多样性和新颖性进行度量。尽管相应的度量指标尚较粗糙，但却是后面关于信息多样性的一系列研究的初始。 [5] Zi-Ke Zhang, Tao Zhou, Yi-Cheng Zhang Personalized recommendation via integrated diffusion on user-item-tag tripartite graohs Physica A 389 (2010) 179 协同标签系统最近几年非常流行，其基本思想是允许用户自由添加一些关键词（标签）来描述自己收藏的各种资源。这些标签一方面反映了用户的个人喜好，另外一方面可以看作对所标记资源的一种非常精简的内容描述。该文首次尝试将这些信息整合到基于物质扩散的推荐算法中，并且在精确性和多样性方面均取得了非常明显的提高。此文推动了一系列后续的基