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、電子科技大學互聯網科學中心等單位聯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、五十余家互聯網媒體以及若干有代表性的社交網絡和移動互聯網應用提供服務，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，互聯網為交叉物理提供了一個實驗平臺——在征服互聯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”。
在線客服
