·161·
本期“复杂性科学”
专 栏 评 述 ◆周 涛◆
◎评《推荐系统评价指标综述》
众里寻他上百度，暮然回首，那人却在，推荐引擎处！辛弃疾一撇的词句，既暗示了搜索引擎和推荐
引擎的区别，又点出了理想的推荐引擎的效果。
推荐系统既要精确把握用户体验，又要给用户惊喜，发掘用户自己都很难描述的趣意。做好一个推荐
系统，的确很难。朱郁筱和吕琳媛的文章，从准确度、多样性、新颖性、覆盖率等多个方向详尽介绍了评
价推荐系统的各种指标，这些指标的应用范围亦不仅仅局限于推荐系统，还可包括数据挖掘和信息过滤的
很多方面。Herlocker等人在 ACM汇刊，Adomavicius等人在 IEEE汇刊，吕琳媛等人在 Physics Reports上
都有过相关的综述，但是均远远不及本文系统完整。
曾有业界人士咨询我推荐系统的评价问
题
快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题
，我当时费了老半天口舌，现在简单了，让他们把表 2用 A1
的大纸打印出来，贴在公司的玻璃幕墙上，内容向里。以后研发的团队每天面朝指标，春暖花开。
该文还有一个看点，就是文末提出的 5 个问题，这些问题已经不再局限于评价指标，而是剑指推荐系
统研究最基本的具有共性的问题。
回到评价上，我个人认为有 3 个层次，一是基于数据的指标，该文讲得很完整了；二是商业应用上的
关键表现指标，譬如受推荐影响的转化率、购买率、客单价及购买品类等等，这些业界人士感兴趣；三是
用户真实的体验。第三层面最难，没人能知道，只能通过第二层面来估计；如何建立第一层面和第二层面
指标之间的关系，就成为了关键，这一步打通了，理论和应用之间的屏障就通了一大半了。
◎评《最短路径算法加速技术研究综述》
中国人写数字，一是一横，二是两横，三是三横；罗马人写数字，I是一竖，II是两竖，III是三竖。双
方不约而同，都没有就这样成千上万地写下去，为什么呢—— 规模大了，简单方法就失效了！
几个月前看到篇论文，还没有发表，挂在 arXiv上面(1111.4503)，说是 7.21亿用户的 Facebook平均距
离只有 4.7。我第一感兴趣的不是这个平均距离值，而是他们怎么能够把它算出来。现在网络越来越大，社
会网络动辄上亿，万维网网页更是数千亿记，“怎么算”已经成了一个大问题。
如果要算得快且时间短，除了
设计
领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计
精妙绝伦的新算法，可以牺牲的无非 3样：一是空间—— 这一点有很
大局的限性，因为网络太大，空间压力也大；二是代码的复杂性—— 很多人只谈时间复杂性和空间复杂性，
实际上还有代码复杂性，精细的预处理，多向启发式搜索，纷繁的剪枝条件，分段分层处理等等，都会让
·162·
程序变得复杂，加大出错概率，增加交流成本；三是精确性—— 给一台笔记本和 10亿节点的网络，让你精
确计算平均距离，恐怕不可能，那么，如果允许 5%的误差，能不能算，该怎么算？
宋青和汪小帆老师介绍的很多方法，三者都有牺牲，有些思路非常巧妙，对很多问题都能产生启发。
譬如说通过少量节点的计算结果对当前的情况进行评估(地标)，存储每一条路可以通向何方(路标)，把网络
分层并区分主干道和支路……当然，作者雄心万丈，还想解决大规模网络动态寻路的问题，这就更加困难
了—— 大家拭目以待吧。
◎评《网络自然密度社团结构模块度函数》
俗话说：“物以类聚，人以群分”，可是这分群聚类之事，也不容易。网络社团结构挖掘是眼下一个热
点，不仅算法上有挑战，而且应用范围非常广。
网络上的优化问题很多，匹配、着色、嵌入等等，这些问题很难，但是都有很严格的定义和很明确的
待优化的目标函数。挺有趣的一件事情是，什么是社团，到现在都没有让所有人信服的严格定义—— 以前提
出的但凡严格的定义，往往在实用上都存在局限性。在这种情况下，最重要的问题是“要优化什么”，至于
“怎么优化”，倒成了其次的问题。
张聪和沈惠璋老师的文章就是注意到了模块度函数作为优化目标所存在的问题，特别是无法挖掘小社
团的问题，提出了简单而有效的解决
方案
气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载
。说其简单，是因为不过是把一个自然密度因子乘在模块度函数
的每一项上，内行一句话就听明白了；说其有效，是因为这的确克服了模块度函数分辨率的问题，作者不
仅给出了虚拟基准网络和真实数据的分析，还从容不迫地通过推理论证说明该指标能够解决 Fortunato 和
Barthelemy所举特例中存在的问题。即便读者不喜欢中间的推导，略过不读，这依然是一篇能够在很短时间
内给予很大信息量的高质量论文。
浙公网安备 33021202002483