【www.guakaob.com--GRE】
周涛近况【一】：复杂网络上动力系统同步的研究进展
第25卷 第3期
2005年9月
文章编号:1000-0542(2005)03-0273-23物 理 学 进 展PROGRESSINPHYSICSVol.25,No.3Sept.,2005
复杂网络上动力系统同步的研究进展
赵 明,汪秉宏,蒋品群,周 涛
(中国科学技术大学近代物理系,合肥230026)
摘 要: 本文简要介绍复杂网络的基本概念并详细总结了近年来复杂网络上动力学系统的同步的研究进展,主要内容有复杂网络同步的稳定性分析,复杂网络上动力学系统同步的特点,网络的几何特征量对同步稳定性的影响,以及提高网络同步能力的方法等。最后文章提出了这一领域的几个有待解决的问题及可能的发展方向。
关键词:复杂网络;同步;小世界网络;无标度网络
中图分类号:O261 文献标识码:A
0 引言
自然界中存在的大量复杂系统都可以通过形形色色的网络加以描述。一个典型的网络是由许多节点与连接两个节点之间的一些边组成的,其中节点用来代表真实系统中不同的个体,而边则用来表示个体间的关系,往往是两个节点之间具有某种特定的关系则连一条边,反之则不连边,有边相连的两个节点被看作是相邻的。例如,神经系统可以看作大量神经细胞通过神经纤维相互连接形成的网络
络[7,9,10][11][7][1~6];计算机网络可以看作是自主工作的计算机通过通信介[8]质如光缆、双绞线、同轴电缆等相互连接形成的网络;类似的还有电力网络[7]、社会关系网、交通网络等等。
对网络最早进行研究的是数学家,其基本理论是图论。经典的图论总是倾向于用某种规则的拓扑结构模拟真实网络[12,13],到了二十世纪五十年代末期,Erds和RÜnyi建立了随机网络的基本模型[14~16],后来的近半个世纪,随机图一直是科学家研究真实网络最有力的武器[17]。直到最近几年,由于计算机数据处理和计算能力的飞速发展,科学家们发现大量的真实网络既不是规则网络,也不是随机网络,而是具有与前两者皆不同的统计特征的网络。这样的一些网络被科学家们叫做复杂网络,其诸多统计特征中最重要的是小世界(smallworld)效应[7,18]和无标度(scalefree)特性[19,20]。
收稿日期:2005-07-05-21
基金项目:国家基础研究发展计划(973项目)、国家自然科学基金(编号:70271070,10472116)及高等教育博
士点专项基金(编号:SRFDP20020358009)的资助
周涛近况【二】：个性化推荐系统的研究进展_刘建国
第19卷 第1期 2009年1月
1
*专题评述*
个性化推荐系统的研究进展*
刘建国
1,2
周 涛
1,2
汪秉宏
1,3**
1.中国科学技术大学,近代物理系,理论物理研究所,合肥230026;2.DepartmentofPhysics,UniversityofFribourg,Switzerland,CH-1700;
3.上海系统科学研究院复杂适应系统研究所,上海理工大学,上海200093
摘要 互联网技术的迅猛发展把我们带进了信息爆炸的时代.海量信息的同时呈现,一方面使用户很难从中发现自己感兴趣的部分,另一方面也使得大量少人问津的信息成为网络中的/暗信息0,无法被一般用户获取.个性化推荐系统通过建立用户与信息产品之间的二元关系,利用已有的选择过程或相似性关系挖掘每个用户潜在感兴趣的对象,进而进行个性化推荐,其本质就是信息过滤.个性化推荐系统不仅在社会经济中具有重要的应用价值,而且也是一个非常值得研究的科学问题.事实上,它是目前解决信息过载问题最有效的工具.文中根据推荐算法的不同,分别介绍了协同过滤系统,基于内容的推荐系统,混合推荐系统,以及最近兴起的基于用户)产品二部图网络结构的推荐系统.并结合这些推荐系统的特点以及存在的缺陷,提出了改进的方法和未来可能的若干研究方向.推荐系统的研究受到了信息科学、计算数学、统计物理学、认知科学等多学科的关注,它与管理科学、消费行为等研究也密切相关.能够为不同学科领域的科研工作者研究推荐系统提供借鉴,有助于我国学者了解该领域的主要进展.
关键词 推荐系统 个性化推荐 协同过滤 基于内容的推荐 基于网络的推荐 随着Internet的迅猛发展,接入Internet的服务器数量和World-Wide-Web上的网页的数目都呈现出指数增长的态势.互联网技术的迅速发展使得大量的信息同时呈现在我们面前,例如,Netflix上有数万部电影,Amazon上有数百万本书,Del1icio1us上面有超过10亿的网页收藏,如此多的信息,别说找到自己感兴趣的部分,即使是全部浏览一遍也是不可能的.传统的搜索算法只能呈现给所有的用户一样的排序结果,无法针对不同用户的兴趣爱好提供相应的服务.信息的爆炸使得信息的利用率反而降低,这种现象被称之为信息超载.个性化推荐,包括个性化搜索,被认为是当前解决信息超载问题最有效的工具之一.推荐问题从根本上
2008-06-23收稿,2008-07-09收修改稿
*国家重点基础研究发展计划(批准号:2006CB705500)和国家自然科学基金(批准号:10635040,60744003,10532060,10472116)资助项目 *,bhus1edu1cn
说就是代替用户评估它从未看过的产品.这些产
品包括书、电影、CD、网页、甚至可以是饭店、音乐、绘画等等)))是一个从已知到未知的过程.
个性化推荐研究直到20世纪90年代才被作为一个独立的概念提出来.最近的迅猛发展,来源于Web210技术的成熟.有了这个技术,用户不再是被动的网页浏览者,而是成为主动参与者[3].在一个实际的推荐系统中需要推荐的产品可能会有成千上万,甚至超过百万,例如Amazon,eBay,Youtube等,用户的数目也会非常巨大.准确、高效的推荐系统可以挖掘用户潜在的消费倾向,为众多的用户提供个性化服务.在日趋激烈的竞争环境下,个性化推荐系统已经不仅仅是一种商业营销手
[1,2]
[1)5]