設為主頁
加入收藏
聯(lián)系我們近日，物理類綜述性期刊《物理報導》(Physics Reports)發(fā)表了來自杭州師范大學信息經濟研究所呂琳媛教授、張子柯教授，電子科技大學互聯(lián)網科學中心教授()及他們與瑞士弗里堡大學、英國阿斯頓大學同事合作撰寫的題為“推薦系統(tǒng)”(Recommender Systems)的長篇綜述論文。本文*單位為杭州師范大學。
《物理報導》是物理學方面的綜述性期刊之一，影響因子超過20。該期刊每年僅發(fā)表三十余篇學術論文，一般不接受自由投稿，而是邀請在各領域有相當影響力的研究小組執(zhí)筆，旨在對相關重大研究成果進行歷史總結和文獻綜述，或針對當前研究熱點進行評述并探討尚未解決的重大科學問題。
信息技術特別是互聯(lián)網的發(fā)展推動我們進入了“大數據”的時代，在動態(tài)增長的海量數據中尋找有價值信息的難度不斷增加。理解信息的產生與組織并幫助實現更好的信息導航、推薦和預測成為當前亟待解決的重大科學問題。搜索殷勤和推薦系統(tǒng)被認為是zui有希望解決“信息過載”問題的兩大武器，后者通過分析用戶的歷史記錄，挖掘用戶的實時喜好和需求，并基于此向用戶推薦感興趣的咨詢和商品。推薦引擎在電子商務、網絡媒體、社交網絡、金融保險等行業(yè)已經獲得了大量應用，產生了重大社會經濟價值。
瑞士弗里堡張翼成教授領導的，由杭州師范大學信息經濟研究所、電子科技大學互聯(lián)網科學中心等單位聯(lián)合參與的研究團隊多年來一直致力于應用統(tǒng)計物理的理念和方法解決信息科學中的重大問題，并在鏈路預測、趨勢預測、在線信譽評估、社交網絡分析、信息傳播理論等方向有系統(tǒng)性貢獻。特別地，該團隊將物質擴散、熱傳導等物理過程，平均場近似、格林函數法、統(tǒng)計系綜理論、矩陣攝動理論等方法應用于推薦算法的設計和分析中，提出了時空復雜性和度都明顯勝過傳統(tǒng)方法的*可并行的局部算法，并在“冷啟動問題”、“多樣性-性兩難困境”、“社會推薦”等挑戰(zhàn)性難題及新興問題方面取得了重要進展。該團隊設計的算法，已經為三百余家電子商務公司、五十余家互聯(lián)網媒體以及若干有代表性的社交網絡和移動互聯(lián)網應用提供服務，其算法相關結果每日展示數億次。
該團隊受邀為《物理報導》撰寫49頁綜述。文章回顧了推薦系統(tǒng)應運而生的背景，介紹了推薦系統(tǒng)在各行各業(yè)已有的應用及重大的社會經濟價值。文章將推薦系統(tǒng)設計按照其核心算法分為了基于相似性、基于擴散過程、基于降維和基于社交推薦的四大類，并分析了社會標簽和時效性在推薦算法設計和推薦效果中的作用，以及通過迭代、算法混合和集成學習等方法可能產生的改進效果。與信息科學相關文獻不同，該文特別強調了統(tǒng)計物理學的思想和方法與推薦系統(tǒng)的結合。文章zui后展望了若干尚未解決的重大挑戰(zhàn)。
周濤教授指出：“互聯(lián)網已經深刻地改變了我們社會經濟和生活的形態(tài)，并且也正在改變我們科學研究的對象和手段?；诖髷祿亩炕治鰧⒅厮苌鐣W、心理學、管理學等學科范式。物理學將與這些學科深入交叉并扮演越來越重要的角色。特別地，互聯(lián)網為交叉物理提供了一個實驗平臺——在征服互聯(lián)網真實用戶過程中獲得的反饋和經驗，結合優(yōu)美的理論和方程，才能真正產生無可置疑的交叉物理的成果。這篇綜述只是一個初級階段的小結，未來我們將繼續(xù)努力，通過理論研究、算法設計、應用實施、商務拓展、平臺架構、資本支持等多種手段推動物理學和信息科學的結合和發(fā)展”。
