基于復(fù)雜網(wǎng)絡(luò)的推薦算法和合作.pdf

1、隨著社會和經(jīng)濟的快速發(fā)展，人類的生活方式發(fā)生了巨大的變化。對人類行為的分析與解讀已成為一個重要的研究課題。現(xiàn)實社會中有許許多多的復(fù)雜系統(tǒng)，這些復(fù)雜系統(tǒng)可以抽象為各種復(fù)雜網(wǎng)絡(luò)。近些年來，復(fù)雜網(wǎng)絡(luò)的興起及快速發(fā)展，使其已經(jīng)成為探索自然界和社會系統(tǒng)中很多問題的重要工具。另外，計算機技術(shù)的快速發(fā)展，使大量統(tǒng)計數(shù)據(jù)的采集和建模模擬都成為可能，這也為很多問題的研究提供了新的思路和方法。本文中我們首先介紹了一些復(fù)雜網(wǎng)絡(luò)的背景知識，然后重點介紹了基于網(wǎng)

2、絡(luò)的推薦算法和網(wǎng)絡(luò)上合作行為研究。
　　 隨著人們面臨的信息爆炸性增長，在這些海量信息中想找出自己感興趣的信息越來越難。個性化推薦被認為是解決這個問題的有效途徑。個性化推薦系統(tǒng)是通過對用戶歷史行為進行分析，揭示用戶習(xí)慣和喜好。然后建立相應(yīng)的推薦算法，對每個用戶給出一個推薦列表使他可以快速地找到自己感興趣的信息。我們的主要工作是基于網(wǎng)絡(luò)推薦算法的改進。不同于以往的算法，我們考慮接收節(jié)點所擁有資源的影響，即物質(zhì)擴散資源的相對的量要比

3、絕對量更具有參考意義。文中引入一個可調(diào)參數(shù)來研究資源接收者對接收資源的響應(yīng)與其自身度的相關(guān)性。利用ranking score和另外兩種測量個性化程度的評價方法，模擬發(fā)現(xiàn)適當?shù)募訌妼Χ却蠊?jié)點（即流行產(chǎn)品）的推薦，不僅可以大幅提高算法的精度，而且還可以大幅提高算法的個性化程度。另外，我們還提出了一種改進的協(xié)同過濾算法。與原來的余弦相似性計算方法不同的是，在計算事物相似性的時候不僅考慮他們公共屬性的影響，還考慮公共屬性流行程度的影響。我們認為

4、公共屬性越流行的，其對相似性的貢獻越小，越不流行的屬性，才具有更個性化的特征，其對相似性的貢獻也就越大。引入這種公共屬性對事物相似性的負相關(guān)作用，我們提出了修正的協(xié)同過濾算法（MCF）。模擬發(fā)現(xiàn)不論是以用戶為基還是以產(chǎn)品為基，新算法所得推薦列表的準確性都比原來的算法有很大的提高。
　　 我們知道很多系統(tǒng)都可以抽象成特定的網(wǎng)絡(luò)，且很多時候網(wǎng)絡(luò)上個體的相互作用我們可以抽象為個體的博弈過程。通過研究個體間的博弈過程，可以對自然社會中合

5、作現(xiàn)象有一些探索。在現(xiàn)實生活中，普遍存在著各種不確定的因素，這些不確定因素可能會直接影響到個體的適應(yīng)能力。因此個體的適應(yīng)能力會存在一定程度的漲落。在本文中我們以囚徒困境博弈為例，研究了個體適應(yīng)性的漲落在二維規(guī)則格子上和NW小世界網(wǎng)絡(luò)上的合作演化情況。引入了兩個參數(shù)和表征適應(yīng)性漲落的情況，其中表示適應(yīng)性漲落的個體比例，表示適應(yīng)性漲落的幅度。模擬發(fā)現(xiàn)在漲落幅度不是很大而漲落人數(shù)適中的情況下，合作頻率會得到加強。我們的結(jié)果對理解現(xiàn)實生活中漲落

6、情況下合作的涌現(xiàn)有一定的幫助。另外我們還研究了遺傳性對公共物品博弈和囚徒困境博弈的影響。遺傳性在真實的生物系統(tǒng)和社會系統(tǒng)中是一種普遍特性，子代可以遺傳父代的相關(guān)特征，例如適應(yīng)性﹑策略以及父代學(xué)習(xí)策略的方式等。考慮個體適應(yīng)性受遺傳因素和當前收益影響，研究發(fā)現(xiàn)個體遺傳性的引入，可以使合作簇有效的抵御背叛者的入侵，從而使合作行為能夠持續(xù)存在。最后我們還研究了地理距離對命名博弈的影響。眾所周知，人類語言的形成是個復(fù)雜而漫長的過程，各地的語言有各