推荐系统、信息挖掘及基于互联网的信息物理推荐系统、信息挖掘及基于互联网的信息物理研究2010年09月22日推荐系统、信息挖掘及基于互联网的信息物理此文拟送《复杂系统与复杂性科学》发表推荐系统、信息挖掘及基于互联网的信息物理研究*汪秉宏1,2,周涛1,3,4,刘建国2,4（1:中国科学技术大学近代物理系，合肥；2:上海理工大学复杂系统科学研究中心，上海3:电子科学技术大学互联网研究中心，成都4：瑞士弗里堡大学物理系，瑞士）摘要：本文主要介绍由中国科学技术大学统计物理复杂系统研究组、上海理工大学复杂系统科学研究中心、电子科技大学互联网研究中心和瑞士弗里堡大学物理系所组成的研究团队在国家自然科学基金项目：基于复杂网络的复杂系统动力学及统计行为的研究（重点项目2007-2010）；动态评价网络的统计分析与信息挖掘（信息科学部主任基金2008-2009）；人类行为的动力学和统计力学研究（2010-2012）；及重大研究计划非常规突发事件应急管理研究（重点项目2011-2013）支持下所完成的关于推荐系统、信息挖掘及基于互联网的信息物理研究方面的工作和研究进展概述。---------------------------------------------*本文研究受国家自然科学基金（10635040，10975126,91024026，10905052，70901010）、国家重点基础研究计划（973项目，2006CB705500）、高校博士点基金（20093402110032）,上海市重点学科项目(S30501),上海市科研创新基金(11ZZ135,11YZ110).上海市智能信息处理重点实验室开放基金（IIPL-2010-006）.等资助。汪秉宏（1944-），男，江西人，教授，博士生导师，主要研究方向为统计物理、复杂系统与复杂网络理论。周涛（1982-），男，四川人，教授。主要研究方向：复杂网络，互联网，信息物理刘建国(1979-),男，山西人，副教授。主要研究方向：复杂网络，个性化推荐，知识管理。---------------------------------------------（1）在PNAS【107,2010:4511-4515】上发表论文，首次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”。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。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倾向于发掘“流行资源”的算法大异其趣。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。这一重要成果已经获得NatureNews（Publishedonline22February2010|Nature|doi:10.1038/news.2010.86）的专门新闻报道【1】:http://www.nature.com/news/2010/100222/full/news.2010.86.html（2）自2008年Clauset等人在Nature发表基于网络结构的链路预测的论文之后，基于网络的链路预测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。我们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在6种不同真实网络中进行比较，我们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。提出后立刻受到了广泛的关注，国际上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。这些结果均证明了我们提出的指数具有明显优于已知局部参数的性质【2】。（3）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（socialfiltering）被认为极有可能成为下一代信息过滤器（搜索引擎、推荐系统等）的核心之一。我们以Web2.0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对本项目成员周涛进行了专访，并在L’AtelierReport中对于EurophysicsLetters88...