大数据之当传统产业遭遇互联网

大数据是当下非常火爆的一个词．人人都在谈论大数据。但大数据的定义是什么？它到底是如何出现的？它有什么特别之处？它最大的应用领域在哪里？它的发展方向是什么？对于以上问题，其实大多数人是弄不清楚的。

个性化推荐在移动互联网在线阅读中的应用分析

移动互联产业的发展带动手机相关数据业务发展的同时,用户对于海量业务的选择显得不知所措的同时,也开始反感大量于自己无用的垃圾短信的骚扰。我们通过对某手机在线阅读网站用户的阅读行为分析,并分别采用个性化推荐和传统热点推送的方式来对部分用户进行书籍广告的投放,发现个性化推荐不仅有更高的反馈率,也增加了用户阅读的pv总量,效果远远高于基于传统热点推送的方式。

社会网络分析及其在舆情和疫情防控中的应用

研究社会网络的结构与演化特性对于评估与控制传染病爆发这类突发事件,以及监测预防伴随突发事件而生的谣言和恐慌情绪的蔓延,都有重要意义.对这一领域的研究前沿进展进行了较为全面的综述,并对该领域中若干值得研究者注意的新的研究方向,特别是涉及突发事件管理的方面,进行了论述.这些方向包括:人类空间移动模式和行为时间特性的影响;具有地理效应和区别接触频率的含权社会接触网络和其上传染病传播的规律;考虑人群面对突发事件时的心理压力的更符合实际舆情传播的动力学模型等.

复杂网络上流行病传播动力学的爆发阈值解析综述

对流行病传播爆发阈值的理论解析方法进行总结,主要介绍平均场、点对近似、主方程、边渗流、空穴理论、边划分以及谱分析这7种常用的动力学解析方法的前提假设、具体思路、步骤及其应用局限,并且梳理总结了SIS与SIR模型爆发阈值的异同。

人类行为时空特性的统计力学

人类行为的定量化分析,特别是时空统计规律的挖掘和建模,是当前统计物理与复杂性科学研究的热点。对人类行为的深入理解,有助于解释若干复杂的社会经济现象,并在舆情监控、疾病防治、交通规划、呼叫服务、信息推荐等方面产生应用价值。该文综述人类行为时间和空间特性方面的研究进展,内容包括人类行为时间特性的实证分析和建模,人类行为空间特性的实证分析和建模,以及人类行为统计分析的应用研究。该文还将评述当前研究存在的亮点和不足,指出若干亟待解决的重大理论和实际问题。

复杂网络模型及其在疫情传播和控制中的应用研究

复杂网络已成为一个热点研究问题,它在工程技术、社会、政治、医药、经济、管理等领域都有着广泛的应用。越来越多的科学家开始关注基于复杂网络拓扑结构的动力学研究。其中,关于疾病传播的研究是一个重要方面。分析和研究了小世界网络模型和BA无标度网络模型两种经典的复杂网络模型,并模拟了传染病按照SIR传播模型在两种网络中的传播情况,讨论了其上的传播阈值以及随机免疫和目标免疫策略对传播阈值的影响。最后对H1N1病毒的传播情况进行了仿真模拟,包括H1N1病毒在自由传播和采取随机及目标免疫两种免疫策略时的传播情况。仿真结果表明,目标免疫策略可以有效抑制疾病的传播。

复杂网络2012年度盘点

复杂网络是复杂性科学研究中受到最广泛关注的方向，在信息科学、物理学、生物学、数学乃至社会学、管理学等领域都产生了重大贡献和持续影响。十几年来，复杂网络的研究成果一直是《自然》、《科学》、《美国科学院院刊》等综合类顶级学术期刊的宠儿，每年均有数10篇相关论文发表。

复杂网络上的局域免疫研究

在网络全局结构信息未知的情况下,如何对大规模网络进行有效的免疫是疾病预防控制中的重要课题之一。本文介绍了针对社区网络、自适应网络和双层耦合网络等的局域免疫方法研究。对于社区网络,通过对5个真实社区网络的分析,发现桥节点的弱连接数目具有一定程度的异质性,存在一些更重要的桥中心节点,进而提出了一种有效的局域桥节点发现算法。对于自适应网络,发现传播过程中会出现很强的社区结构,由此提出一种基于社区效应的局域控制策略,结果显示疾病并非控制越早效果越好。对于双层耦合网络,提出一种促进-抑制的非对称耦合传播模型,研究危机意识的局域散布对于疾病传播的影响,分别解析得到了意识和疾病传播的爆发阈值与稳态分布。这些研究增进了人们对于复杂网络中关键节点的理解,也为实际的疾病防控工作提供了一些借鉴。

复杂网络中链路的可预测性

为从理论上比较各种预测方法的优劣,分析多个网络演化过程中形成链接的两个节点之间的拓扑距离分布,阐明了传统基于共同邻居相似性指标可有效进行链路预测的机理,从理论上分析了9种基于共同邻居相似性算法的预测上限(可预测性)。通过分析一阶邻居预测算法的局限性和影响链路可预测性的因素,提出了两种基于高阶路径信息的链路预测算法并计算了他们的可预测性指标。从理论上提出了链路的可预测性指标,也通过对实际网络的预测证明了所提链路预测算法的有效性。

推荐系统评价指标综述

对现有的推荐系统评价指标进行了系统的回顾,总结了推荐系统评价指标的最新研究进展,从准确度、多样性、新颖性及覆盖率等方面进行多角度阐述,并对各自的优缺点以及适用环境进行了深入的分析。特别讨论了基于排序加权的指标,强调了推荐列表中商品排序对推荐评价的影响。最后对以用户体验为中心的推荐系统进行了详细的讨论,并指出了一些可能的发展方向。

维基百科研究综述

对维基百科的相关研究进行了综述。介绍了维基百科的历史发展与特点,宏观统计性质以及演化规律等方面,特别强调了复杂网络的思想和方法在分析维基百科中的应用。讨论了维基百科在社会、经济、文化、教育方面的意义和价值。最后提出了相关研究可能的发展方向,特别突出了复杂网络与人类动力学和维基百科研究可能的深入结合。

基于复杂城市道路网络的交通拥堵预测模型

随着城市交通的发展,道路网络越来越复杂,交通拥堵越来越严重,准确预测交通拥堵是城市缓堵保畅,提高城市交通管理能力关键技术之一。传统马尔可夫预测模型中的单变量模型只能解决单个时间序列上的交通预测问题,一阶模型仅考虑了相邻时间点数据之间的影响,高阶多变量马尔可夫模型的预测精度不足,难以解决复杂城市道路网络交通拥堵预测的问题。对此,文章提出了一种添加调节项的高阶多变量马尔可夫模型(AAT-HO3M),证明了模型的收敛性,进行了参数估计,并参考城市道路交通运行评价指标体系,对城市拥堵进行预测分析。通过预测试验证明,AAT-HO3M预测精度高于传统高阶多变量马尔可夫模型和改进高阶多变量马尔可夫模型。预测效率优于改进的高阶多变量马尔科夫模型。

关注耦合网络及其传播动力学研究

介绍国内外对耦合网络的研究进展,包括相关实证研究、耦合网络上的渗流理论和传播动力学的研究。

网络传播动力学模拟方法评述

借助计算机实验模拟方法是预警和控制流行病传播的一个重要研究手段。该文以SIS和SIR两种经典传播模型为例,详细地介绍了利用同步更新方法和异步更新方法模拟流行病的传播过程,并比较了两种模拟方法的时空复杂度、联系及差异性。理清两种不同的计算机模拟方法不仅有助于加深对传播动力学的认识,还有助于提出和发展新的理论框架。

大数据揭示经济发展状况

随着大数据时代的到来,与经济活动有关的数据数量和质量都得到了极大的丰富和提高。通过分析这些来源于社会经济系统中的大规模数据,人们有机会在几乎不花费调查成本的情况下对经济发展状况进行精准和实时的测量。该文关注大数据对于经济发展状况的刻画,简述了不同类型的数据在揭示宏观经济结构和微观社会状况方面的具体应用,并进一步分析了大数据助力解决区域经济发展战略和宏观产业结构升级问题的可能途径。

重叠社区发现的两段策略

复杂网络中的社区特别是重叠社区在信息传播与推荐、舆情控制、商业营销等领域中具有重要作用。在实际的网络中,由于有些节点天然地属于多个功能团体,重叠社区的挖掘越来越受到重视。提出了一种重叠社区挖掘的两段策略算法:初始社区抽取与社区合并。在社区抽取阶段,选择网络中最大度节点及其紧密的邻居节点作为初始社区,将与此初始社区联系紧密的节点也一并加入;在社区合并阶段,如果两个社区合并之后使得模块度增加,则合并这两个社区。用包括大规模网络在内的3个实际网络对所提算法进行了测试,结果表明,该算法可有效挖掘网络中的重叠社区。

多层耦合网络传播综述

简要介绍多层耦合网络上传播动力学方面的阶段性研究进展以及存在的一些问题,主要关注的内容:多层耦合网络上的生物传播、社会传播、生物-社会耦合传播及多层耦合网络面临的一些挑战性问题。这些阶段性的研究成果从多层耦合网络的新角度加深了我们对真实传播过程及其机制的理解。能更好地控制疾病传播和减少它对人类的危害,深入探讨相关问题将有助于明确下进一步研究的方向。

人类行为、复杂网络及信息挖掘的统计物理研究

通过实证统计与理论模型分析相结合对复杂系统进行研究是一种全新的认识和探索.建议从人类行为的统计特性、复杂网络同步与复杂神经网络、信息挖掘与复杂网络链路预测3个方面,基于大量的实证统计和分析,结合有效的动力学模型,针对人类自身行为的规律特性、社会个体之间的相互作用、神经系统的动力学演化、信息的有效推荐和网络演化的有效预测等重要问题,运用统计物理理论进行全方位的探索,深入挖掘各种决定复杂系统演化过程的基本机制与规律.

新闻推荐的多维兴趣模型与传播分析

如何将合适的信息推荐给合适的用户以满足用户的个性化需求,是推荐系统的基本问题。新兴的社会化推荐系统(social recommender system)通过兴趣相似的用户之间分享信息而达到个性化推荐的目的。使用多维兴趣向量刻画用户的兴趣,采用多智能体模型(multi-agent model)模拟,并引入用户和新闻的质量,分析了用户网络的结构特征以及质量因素对新闻推荐和传播的影响。实验结果表明:不同社区的主题不同,社区的中心用户兴趣专一,与社区的主题一致。此外,推荐中引入质量因素可以加快系统在高推荐成功率上的收敛速度,更能区分不同质量用户的粉丝数和不同质量新闻的传播深度与广度,增强了高质量用户和新闻的影响力,提高了系统中新闻推荐的专业水平。

加速增长的HK网络演化模型

近年来,随着复杂网络演化模型的深入研究,研究的焦点已从全局结构转移到了局部结构,其中,网络的集团度及其分布受到了广泛关注。实证研究表明,大量真实网络具有幂律的低阶集团度分布,而且分布指数随集团阶数的上升呈下降趋势。这一普适规律无法由Holme和Kim(HK)模型的熟人推荐机制再现。在HK模型中考虑网络演化的加速增长这一重要因素,提出一种改进的HK模型。数值模拟显示,改进的HK模型生成网络的簇系数较大,平均最短路径较小,不仅具有小世界效应和无标度特性,而且再现了真实网络的低阶幂律集团度分布特性。此研究有利于更好地认识真实网络中的各阶基元。