亚洲欧美中文日韩在线v日本,亚洲精品永久在线观看,亚洲av日韩av永久无码色欲,亚洲成a人片777777,亚洲人成网站在线播放942

隨著數(shù)字技術的發(fā)展，經(jīng)濟社會活動場景呈現(xiàn)復雜化，參與主體和行為也趨向異質(zhì)性。同時，各種異質(zhì)場景的聯(lián)系逐漸建立，為復雜異質(zhì)管理場景的研究提供了機會。復雜異質(zhì)場景間的影響機制、知識價值、管理意義是一個有待探索且富有挑戰(zhàn)的研究方向。天津大學經(jīng)管學部趙洪科圍繞該方向，聚焦于復雜異質(zhì)管理場景（例如，互聯(lián)網(wǎng)金融、電子商務等）的多市場、多主體的復雜異質(zhì)場景，開展了系列算法設計、分析與驗證研究。相關研究成果在國際權(quán)威學術期刊TKDE、TEVC上發(fā)表多篇論文。本文基于趙洪科老師多篇論文整理而成。

研究現(xiàn)狀

現(xiàn)在主流的數(shù)據(jù)驅(qū)動知識表征學習方法多集中在單一場景或單一主體。例如，電子商務或者金融市場中，主流研究將銷售、融資等市場動態(tài)作為序列分析的典型應用，但這些模型僅從單一市場觀測的序列本身來進行知識表征，沒有考慮其他外部因素的影響；再比如在智能推薦方面，大多數(shù)推薦系統(tǒng)單方面優(yōu)化購買客戶的偏好，如通過協(xié)同過濾、基于內(nèi)容的推薦、混合推薦等，而沒有綜合考慮平臺上其他參與者（如商家）的期望。

針對復雜異質(zhì)管理場景，研究分別在“行為-用戶-場景”三個層面的知識發(fā)現(xiàn)、表征、遷移和應用問題上，提出和設計了多層次場景驅(qū)動的智能算法，解決了用戶異質(zhì)行為間的關系挖掘和協(xié)同學習預測，異質(zhì)用戶間的行為均衡優(yōu)化，異質(zhì)場景間的行為知識單向與雙向遷移和應用問題。研究方法和在互聯(lián)網(wǎng)金融和電子商務等多種復雜異質(zhì)場景中得到了有效驗證。

基于研究成果，形成了論文：

模型和方法設計

• 用戶異質(zhì)行為間的關系挖掘和協(xié)同學習預測

用戶的多種異質(zhì)行為（例如，交易、在平臺的留存等）之間存在復雜的關系。研究提出了聯(lián)合深度生存模型，它可以整合用戶的動機、最近交互物品、社會關系等異質(zhì)性特征，共同模擬重復交易和留存行為（用戶是否會一直留在該平臺上）這兩種行為事件。具體來講，模型通過利用深度學習框架，可以集成多類異質(zhì)特征。此外，模型將重復行為和留存行為的預測正式化為兩個合作目標，并具有具體的兩層級預測。為了模擬行為數(shù)據(jù)的截尾現(xiàn)象和不同類型行為的依賴關系，模型中創(chuàng)新性地設計了多個排序約束，并將其納入目標函數(shù)中，在此基礎上，提出了一種可有效訓練模型的兩級目標優(yōu)化算法。

在真實大規(guī)模數(shù)據(jù)上驗證發(fā)現(xiàn)：（1）用戶關聯(lián)的異質(zhì)行為（交易和生存保留）協(xié)同學習的收斂速度比任何行為的單獨學習收斂速度更快；（2）基于異質(zhì)行為聯(lián)合學習的預測模型對多種行為的預測更加準確。

• 異質(zhì)用戶間的行為均衡優(yōu)化

圖3 異質(zhì)用戶間的行為均衡優(yōu)化算法框架

研究提出了合作-競爭演化算法，適用于電子商務市場的雙向推薦，尤其是對于電商團購、小額借貸成交等場景。具體來講，研究分別為市場中的兩方參與者形式化了目標和個體參與者的子問題，即一個是針對消費者目標優(yōu)化的子問題，另一個是針對商家目標優(yōu)化的子問題。研究方法通過種群分離、種群間相互作用和種群整合，將合作-競爭優(yōu)化整合到一個框架中。研究中設計了一個用于個體表示的二進制編碼矩陣，通過在演化過程中結(jié)合博弈過程，設計了合作-競爭進化算子，即合作交叉和競爭變異，來引導解達到推薦結(jié)果的均衡。此外，合作交叉可以通過兩種群之間的交流加快收斂速度。最后，針對具體應用中滿足約束條件的情況，進行修復和選擇操作。研究設計具體算法過程如圖3所示。

在多個真實大規(guī)模數(shù)據(jù)上驗證發(fā)現(xiàn)：相比于一般推薦算法，研究算法推薦結(jié)果能夠更好地找到同時符合消費者和商家利益的物品，實現(xiàn)平臺市場參與方的共贏。

• 異質(zhì)場景間的行為知識單向與雙向遷移和應用

圖4 異質(zhì)場景間的行為知識單向遷移框架

圖5 異質(zhì)場景間的行為知識雙向遷移框架

在該方面的研究中，選取了創(chuàng)業(yè)融資和電子商務兩個市場。為了有效地學習融資市場和銷售市場之間的知識互動關系，研究提出了基于轉(zhuǎn)移注意力的市場前景分析模型（如圖4所示），該模型包含兩個學習模塊，前者是針對創(chuàng)業(yè)融資活動異構(gòu)特征的融資績效建模，后者則是借助銷售市場的相關產(chǎn)品，將目標活動的市場前景潛在語義從活動評論中表征和轉(zhuǎn)移，兩個模塊通過轉(zhuǎn)移注意力進行連接和增強；同時，進一步研究提出了另一種新的合作注意力方法（即合作-競爭注意力轉(zhuǎn)移網(wǎng)絡，如圖5所示），該方法可以有效地從兩個市場雙向地學習市場信息，進而對目標市場的狀態(tài)學習進行強化。

研究貢獻

研究主要包括三個層面的貢獻，第一，問題層面，發(fā)現(xiàn)并定義了復雜異質(zhì)管理場景下潛在的共生關系，啟發(fā)我們構(gòu)建一系列研究行為、主體、市場之間的關系；第二，技術層面，提出了聯(lián)合深度生存模型、合作-競爭進化算法、基于轉(zhuǎn)移注意力的市場前景分析模型等多個模型框架及算法模塊，有助于演化計算、生存分析、遷移學習等多個領域的算法發(fā)展；第三，應用層面，多個模型均在大規(guī)模真實數(shù)據(jù)集上進行了實驗，實驗結(jié)果證明了模型在結(jié)果方面的有效性。因此，設計的模型可以為創(chuàng)業(yè)籌資、電子商務、在線慈善等各類場景提供輔助分析和預測工具的應用。

本系列研究受到國家自然科學基金重大項目、青年項目、國家重點研發(fā)計劃以及百度、網(wǎng)易開放研究課題資助。

文章引用：

1. Hongke Zhao(趙洪科), Binbin Jin, Qi Liu, Yong Ge, Enhong Chen, Xi Zhang, Tong Xu, Voice of Charity: Prospecting the Donation Recurrence & Donor Retention in Crowdfunding, IEEE Transactions on Knowledge and Data Engineering (IEEE TKDE), 32(8): 1652-1665, 2020. (IF:6.97, CCF A類期刊)

2. Hongke Zhao(趙洪科), Xinpeng Wu, Chuang Zhao, Lei Zhang, Haiping Ma, Fan Cheng, CoEA: A Cooperative-Competitive Evolutionary Algorithm for Bidirectional Recommendations, IEEE Transactions on Evolutionary Computation (IEEE TEVC), 26(1), 28-42, 2022. (IF:11.169, ABS 4)

3. Hongke Zhao(趙洪科), Yihang Cheng, Xi Zhang, Hengshu Zhu, Qi Liu, Hui Xiong, Wei Zhang, What is Market Talking about? Market-oriented Prospect Analysis for Entrepreneur Fundraising, IEEE Transactions on Knowledge and Data Engineering (IEEE TKDE), Accepted. (IF:6.97, CCF A類期刊)

4. Lei Zhang, Xiang Wang, Chuang Zhao, Hongke Zhao(趙洪科)（通訊作者），Rui Li, Runze Wu, Co-Promotion Predictions of Financing Market and Sales Market: A Cooperative-Competitive Attention Approach, 36th AAAI Conference on Artificial Intelligence (AAAI\'22), Accepted. (CCF A類會議)

信息來源 / 趙洪科

底圖制作 / 谷葉馨

圖文編輯 /谷葉馨

責任編輯/ 李 庚