隨著數(shù)字經(jīng)濟(jì)的快速發(fā)展，信息技術(shù)對(duì)經(jīng)濟(jì)、社會(huì)產(chǎn)生的影響日益深遠(yuǎn)。通信基礎(chǔ)設(shè)施所連接的數(shù)億智能手機(jī)、計(jì)算機(jī)所形成的復(fù)雜系統(tǒng)支持著各類(lèi)互聯(lián)網(wǎng)平臺(tái)和應(yīng)用。淘寶、京東、拼多多等電商平臺(tái)通過(guò)構(gòu)建商品鏈接網(wǎng)絡(luò)，幫助用戶高效搜索商品；微信、QQ形成了人與人之間更廣泛的連接，幫助人們高效溝通；百度、谷歌、今日頭條、抖音等構(gòu)建了多模態(tài)信息之間的連接，幫助人們快捷地查找、篩選信息。面對(duì)海量信息、鏈接所構(gòu)成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，如何理解、預(yù)測(cè)和控制是需要解決的問(wèn)題之一的挑戰(zhàn)。
隨著數(shù)字內(nèi)容消費(fèi)不斷增長(zhǎng)，線上內(nèi)容不斷豐富，從海量選項(xiàng)中搜索滿意的內(nèi)容和商品令消費(fèi)者眼花繚亂，很難做出選擇。推薦系統(tǒng)幫助人們快速發(fā)現(xiàn)他們感興趣的商品或信息，極大地推動(dòng)了互聯(lián)網(wǎng)應(yīng)用的發(fā)展。例如，在電商平臺(tái)，人們通常會(huì)在商品頁(yè)面看到相關(guān)商品推薦信息；在內(nèi)容平臺(tái)，也經(jīng)常會(huì)看到與自己點(diǎn)贊內(nèi)容相似的短視頻、音樂(lè)、問(wèn)答知識(shí)的推送。正是由于各種推薦系統(tǒng)的應(yīng)用，大量?jī)?nèi)容和產(chǎn)品節(jié)點(diǎn)相互連接形成了產(chǎn)品網(wǎng)絡(luò)。隨著自然語(yǔ)言技術(shù)、圖像處理技術(shù)的發(fā)展，在各類(lèi)平臺(tái)中，圖像、視頻的作用日益重要，平臺(tái)通過(guò)挖掘產(chǎn)品圖像和視頻中的信息進(jìn)行更加有效的推薦。基于物品圖像、產(chǎn)品屬性和用戶選擇的相似產(chǎn)品推薦系統(tǒng)廣泛應(yīng)用于各購(gòu)物網(wǎng)站、音樂(lè)社區(qū)等平臺(tái)，基于產(chǎn)品相似性的推薦網(wǎng)絡(luò)更高效地為消費(fèi)者提供了產(chǎn)品篩選功能。已有研究圍繞亞馬遜、淘寶等電商平臺(tái)產(chǎn)品推薦系統(tǒng)，揭示了共看共買(mǎi)等推薦機(jī)制所形成的產(chǎn)品網(wǎng)絡(luò)對(duì)需求的影響，但對(duì)基于圖像、語(yǔ)義、情感等特征的相似性推薦及其網(wǎng)絡(luò)與共看共買(mǎi)等產(chǎn)品網(wǎng)絡(luò)的差異仍缺乏研究。雖然平臺(tái)內(nèi)容對(duì)消費(fèi)者的影響日益增強(qiáng)，但是關(guān)于內(nèi)容網(wǎng)絡(luò)的研究和分析還不夠充分。音樂(lè)、圖像、視頻等內(nèi)容產(chǎn)品與一般商品在生產(chǎn)、消費(fèi)和使用等環(huán)節(jié)有顯著區(qū)別，存在著共享性、非競(jìng)爭(zhēng)性等經(jīng)濟(jì)屬性，以及網(wǎng)絡(luò)效應(yīng)和語(yǔ)義特征等技術(shù)屬性。針對(duì)圖像、視頻、音頻、文本等多模態(tài)推薦網(wǎng)絡(luò)的研究不足。
隨著移動(dòng)化、社交化趨勢(shì)增強(qiáng)，主流電商及內(nèi)容平臺(tái)通過(guò)引入社交關(guān)系，將平臺(tái)轉(zhuǎn)變?yōu)樯缃画h(huán)境，用戶可以在線互動(dòng)和生成內(nèi)容。平臺(tái)與用戶的關(guān)系變得更為親密，用戶的信息行為與在缺乏社交環(huán)境的平臺(tái)有所不同，如用戶短視頻上癮行為�；�于用戶社交互動(dòng)形成的用戶網(wǎng)絡(luò)與基于推薦算法生成的產(chǎn)品網(wǎng)絡(luò)共同作用，對(duì)平臺(tái)需求產(chǎn)生何種影響是一個(gè)值得關(guān)注的問(wèn)題。產(chǎn)品推薦網(wǎng)絡(luò)在初期有助于用戶網(wǎng)絡(luò)的形成，當(dāng)用戶看到某個(gè)喜歡的視頻，通常會(huì)去關(guān)注創(chuàng)作者的相關(guān)視頻，進(jìn)一步可能會(huì)關(guān)注創(chuàng)作者，從而產(chǎn)生社交聯(lián)系。另外，用戶網(wǎng)絡(luò)規(guī)模越大、社交關(guān)系越緊密，所產(chǎn)生的數(shù)據(jù)越豐富、多樣，則越有利于推薦算法，進(jìn)而影響和優(yōu)化產(chǎn)品網(wǎng)絡(luò)結(jié)構(gòu)。目前，對(duì)產(chǎn)品網(wǎng)絡(luò)疊加用戶網(wǎng)絡(luò)帶來(lái)的雙層網(wǎng)絡(luò)相互關(guān)系及其對(duì)平臺(tái)需求的影響機(jī)制尚不清楚。有關(guān)雙層網(wǎng)絡(luò)是否增強(qiáng)了對(duì)用戶的反饋，是否緩解了單一推薦算法導(dǎo)致的內(nèi)容熱門(mén)偏差和馬太效應(yīng)，是否有助于緩解信息繭房信息黑洞等問(wèn)題，仍有待去深入探索。
為探索上述問(wèn)題，本書(shū)圍繞產(chǎn)品網(wǎng)絡(luò)和用戶網(wǎng)絡(luò)展開(kāi)研究，聚焦相似性，對(duì)電商平臺(tái)、內(nèi)容平臺(tái)進(jìn)行了研究。本書(shū)分析了相似性產(chǎn)品網(wǎng)絡(luò)的整體結(jié)構(gòu)和特性對(duì)平臺(tái)需求的影響，從理論上加深了對(duì)相似性推薦系統(tǒng)商業(yè)價(jià)值的理解；實(shí)證檢驗(yàn)了外部沖擊在相似性產(chǎn)品網(wǎng)絡(luò)中的溢出和擴(kuò)散層次深度；基于同質(zhì)性理論，從用戶屬性相似、文本內(nèi)容和情感表達(dá)相似等方面，分析了內(nèi)容平臺(tái)中的評(píng)論者群體特征的需求效應(yīng)，深化了對(duì)異質(zhì)性群體在不同階段需求影響的認(rèn)識(shí)；從理論上探討了產(chǎn)品網(wǎng)絡(luò)與用戶網(wǎng)絡(luò)的相互作用及其對(duì)需求影響的內(nèi)在機(jī)理，結(jié)合深度學(xué)習(xí)模型，挖掘了雙層網(wǎng)絡(luò)鏈接關(guān)系所蘊(yùn)含的預(yù)測(cè)性信息，最后基于雙層網(wǎng)絡(luò)結(jié)構(gòu)，參考PageRank和網(wǎng)絡(luò)穩(wěn)定性（Network Stability）思想，提出了一種重要內(nèi)容節(jié)點(diǎn)識(shí)別的算法，幫助平臺(tái)優(yōu)化節(jié)點(diǎn)連接關(guān)系。綜合來(lái)看，本書(shū)將有助于平臺(tái)深化對(duì)相似性鏈接、雙層網(wǎng)絡(luò)的認(rèn)識(shí)，有助于優(yōu)化服務(wù)質(zhì)量，助力數(shù)字經(jīng)濟(jì)高質(zhì)量
發(fā)展。
本書(shū)是對(duì)作者多年思考和研究的一個(gè)階段性總結(jié)。從攻讀博士學(xué)位以來(lái)，作者一直關(guān)注該領(lǐng)域的最新研究動(dòng)態(tài)，閱讀了大量國(guó)內(nèi)外文獻(xiàn)，在推薦系統(tǒng)、復(fù)雜網(wǎng)絡(luò)、文本挖掘等方面進(jìn)行了深入研究，發(fā)表了相關(guān)研究論文。在本書(shū)撰寫(xiě)過(guò)程中，作者得到了諸多師長(zhǎng)、前輩、同事、學(xué)友的幫助和支持，感謝桂林電子科技大學(xué)劉枚蓮、吳俊、潘細(xì)朋及管理科學(xué)與工程專(zhuān)業(yè)諸位老師，華中科技大學(xué)楊珺、潘炤老師，北京科技大學(xué)武森老師，華中農(nóng)業(yè)大學(xué)鄭本榮、周品老師，北京交通大學(xué)黃安強(qiáng)老師以及董昭軒、馮昊、陳道泉、劉春吉、趙西君、楊鵬、彭程、駱秀禹等學(xué)友。同時(shí)，感謝桂林電子科技大學(xué)商學(xué)院提供科研及工作環(huán)境，感謝國(guó)家自然科學(xué)基金項(xiàng)目（網(wǎng)絡(luò)消費(fèi)者多品牌選擇行為機(jī)理研究，71562006）及廣西高等學(xué)校創(chuàng)新團(tuán)隊(duì)及卓越學(xué)者項(xiàng)目（電子商務(wù)與物流管理）的支持。