【留学】人类行为_复杂网络及信息挖掘的统计物理研究

４卷　第２期　第３

Ｊ．ＵｎｉｖｅｒｓｉｔｏｆＳｈａｎｈａｉｆｏｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏ　　　　　ｙｇｇｙ　　

Ｖｏｌ．３４　Ｎｏ．２　２０１２　

（）１００７－６７３５２０１２０２－０１０３－１５　　文章编号：

人类行为、复杂网络及信息挖掘的统计物理研究

２３４，５

，汪秉宏１，　周　涛，　周昌松

（中国科学技术大学近代物理系，合肥　２上海理工大学复杂系统科学研究中心，上海　２１．３００２６；２．０００９３；

电子科技大学互联网科学中心，成都　６浸会大学物理系，；浸会大学非线性研究中心，）３．１００５４；４．５．

摘要：通过实证统计与理论模型分析相结合对复杂系统进行研究是一种全新的认识和探索．建议复杂网络同步与复杂神经网络、信息挖掘与复杂网络链路预测３个方面，从人类行为的统计特性、

基于大量的实证统计和分析，结合有效的动力学模型，针对人类自身行为的规律特性、社会个体之间的相互作用、神经系统的动力学演化、信息的有效推荐和网络演化的有效预测等重要问题，运用统计物理理论进行全方位的探索，深入挖掘各种决定复杂系统演化过程的基本机制与规律．关键词：人类行为动力学；复杂网络；信息物理中图分类号：Ｎ９４　　　文献标志码：Ａ　

，ＳｔａｔｉｓｔｉｃａｌＰｈｓｉｃｓＲｅｓｅａｒｃｈｆｏｒＨｕｍａｎＢｅｈａｖｉｏｒｓ　　　　　ｙ

，ＣｏｍｌｅｘＮｅｔｗｏｒｋｓａｎｄＩｎｆｏｒｍａｔｉｏｎＭｉｎｉｎ　　　ｐｇ

１２４５

ＷＡＮＧＢｉｎｏｎＨＯＵＴａｏ３，ＨＯＵＣｈａｎｓｏｎ　－ｈ　Ｚ　　Ｚ　－ｇｇｇｇ　，　，

，

（１．ＤｅａｒｔｍｅｎｔｏＭｏｄｅｒｎ　Ｐｈｓｉｃｓ，ＵｎｉｖｅｒｓｉｔｏＳｃｉｅｎｃｅａｎｄ　ＴｅｃｈｎｏｌｏｏＣｈｉｎａ，Ｈｅｅｉ２３００２６，Ｃｈｉｎａ；　　　ｐｆ　ｙｙｆｇｙｆｆ　　　　

２．ＴｈｅＲｅｓｅａｒｃｈ　ＣｅｎｔｅｒｏｒＣｏｍｌｅｘＳｓｔｅｍｓＳｃｉｅｎｃｅ，ＵｎｉｖｅｒｓｉｔｏＳｈａｎｈａｉｏｒＳｃｉｅｎｃｅａｎｄ　ＴｅｃｈｎｏｌｏＳｈａｎｈａｉ２０００９３，Ｃｈｉｎａ；　　　　　　　　　ｆｆｐｙｙｆｇｇｙ，ｇ　　

３．ＷｅｂＳｃｉｅｎｃｅｓＣｅｎｔｅｒ，ＵｎｉｖｅｒｓｉｔｏＥｌｅｃｔｒｏＳｃｉｅｎｃｅａｎｄ　ＴｅｃｈｎｏｌｏｏＣｈｉｎａ，Ｃｈｅｎｄｕ６１００５４，Ｃｈｉｎａ；　　　　　ｙｆｇｙｆｇ　　　　

４．ＤｅａｒｔｍｅｎｔｏＰｈｓｉｃｓ，ＨｏｎＫｏｎＢａｔｉｓｔＵｎｉｖｅｒｓｉｔｏｎｋｏｎＣｈｉｎａ；　　ｐｆｙｇｇｐｙ，Ｈｇｇ，　　　

５．Ｃｅｎｔｅｒｏｒ　ＮｏｎｌｉｎｅａｒＳｔｕｄＨｏｎＫｏｎＢａｔｉｓｔＵｎｉｖｅｒｓｉｔｏｎｋｏｎＣｈｉｎａ）　　　ｆｙ，ｇｇｐｙ，Ｈｇｇ，　　

：ＡｂｓｔｒａｃｔＩｎｔｅｒａｔｉｎｅｍｉｒｉｃａｌｓｔａｔｉｓｔｉｃｓａｎｄｔｈｅｏｒｅｔｉｃａｌｍｏｄｅｌｓｉｓａｎｏｖｅｌａｎｄｒｏｍｉｓｉｎｗａｔｏｓｔｕｄ　　　　　　　　　　ｇｇｐｙｙｐｇ　　　

，ｃｏｍｌｅｘｓｓｔｅｍｓ．Ｔｈｉｓｓｕｒｖｅｓｕｍｍａｒｉｚｅｄｒｅｃｅｎｔｒｏｒｅｓｓｏｎｈｕｍａｎｄｎａｍｉｃｓｃｏｍｌｅｘｎｅｔｗｏｒｋｓａｎｄ　　　　　　　　　ｐｙｙｐｇｙｐ　，ｅｒｓｅｃｔｉｖｅｓｈｓｉｃｓｆｉｌｔｅｒｉｎｓｕｅｓｔｉｎｔｈａｔｔｏａｌｔｈｅａｎｄｍｅｔｈｏｄｓｆｒｏｍｓｔａｔｉｓｔｉｃａｌｂａｓｅｄｏｎｉｎｆｏｒｍａｔｉｏｎ　　　　　　　　　　　ｐｐｐｙｇｇｇｇｐｐｙ　　

，ｅｘｔｅｎｓｉｖｅｅｍｉｒｉｃａｌｄａｔａａｎｄｂｕｉｌｄｅｆｆｅｃｔｉｖｅｄｎａｍｉｃａｌｍｏｄｅｌｓｍａｓｏｌｖｅｓｏｍｅｌｏｎｓｔａｎｄｉｎｃｈａｌｌｅｎｅｓｓｕｃｈ　　　　　　　　　　－ｐｙｙｇｇｇ　　，ｏｖｅｒｎｉｎａｓｕｎｃｏｖｅｒｉｎｔｈｅｈｉｄｄｅｎｒｅｕｌａｒｉｔｉｅｓｏｆｈｕｍａｎｂｅｈａｖｉｏｒｒｅｖｅａｌｉｎｔｈｅｒｕｌｅｓｔｈｅｉｎｔｅｒａｃｔｉｏｎｓ　　　　　　　　　ｇｇｇｇｇ　　　

，，ｓｏｃｉａｌｉｎｄｉｖｉｄｕａｌｓｃｈａｒａｃｔｅｒｉｚｉｎｔｈｅｄｎａｍｉｃａｌｅｖｏｌｕｔｉｏｎｏｆｎｅｕｒａｌｓｓｔｅｍｓｄｉｉｎｏｕｔｅｒｓｏｎａｌｉｚｅｄｂｅｔｗｅｅｎ　　　　　　　　ｇｙｙｇｇｇｐ　　，，ｔａｓｔｅｓｒｅｄｉｃｔｉｎｍｉｓｓｉｎｉｎｆｏｒｍａｔｉｏｎａｎｄｓｏｏｎ．　　ｐｇｇ　　

：Ｋｅｗｏｒｄｓｈｕｍａｎｂｅｈａｖｉｏｒｄｎａｍｉｃｓ；ｃｏｍｌｅｘｎｅｔｗｏｒｋ；ｉｎｏｒｍａｔｉｏｎ　ｈｓｉｃｓ　　　ｙｙｐｆｐｙ　

２０１２－０１－１８　收稿日期：

；国家自然科学基金资助项目（安徽省高校自然科学研究重大项目基金资助项目１０９７５１２６，９１０２４０２６）　基金项目：

（）；）高校博士点基金资助项目（ＫＪ２０１１ＺＤ０７２００９３４０２１１００３２

，：男，教授．研究方向：统计物理、非线性科学、复杂系统理论．１９４４－）Ｅ－ｍａｉｌｂｈｗａｎｓｔｃ．ｅｄｕ．ｃｎ　作者简介：汪秉宏（＠ｕｇ

１０４　　　　　　　上海理工大学学报２０１２年第３４卷　

工程、经济和社会的各个领域都有大　　在自然界、量复杂体系．十二五提出的可持续和谐发展的长远规划对复杂体系，尤其是对与人相关的复杂系统的研究提出了前所未有的要求．特别是近十几年来，科就是越来越多地对复杂体学研究的一个巨大变化，

系进行系统层次的综合统计物理学分析．这一趋势的形成由科学研究在几个方面长期积累的合力引包括：复杂性研究的进展．几十年以来，非线性起，ａ．和复杂性统计物理研究通过模型的理论研究发展了一套概念和方法来分析耦合体系中复杂的涌现行为，比如人和动物的集群行为．这些行为只出现在系统层次，为分离的系统单元所不具有．这些理论进展导致了科学概念的性变化，出现了新兴的学科方向，如系统生物学等．特别是过去１０多年来统计物理从传统研究相对的多粒子体中标度与普适现象转移到研究大规模复杂体系中各单元或子系统形成了一个跨学科之间相互作用的复杂结构关系，

的、影响至深的复杂网络领域．海量数据采集和ｂ．处理技术的发展．计算机技术的进步使得大规模的提供了大量研究复数据采集取得突飞猛进的变化，

杂体系结构与演化的实证数据，如计算机网络、万维交通运输网等．大量有关人类个体和集体行为的网、

数据也为定量研究复杂社会体系提供了前所未有的契机．

目前正处于一个统计物理大革新的时代，许多史无前例的、事关社会经济发展的复杂体系正迫切等待发展新的统计物理分析手段和理论模型来对它们进行全面深入的认识．复杂体系的系统层次统计然而它却面临巨大的挑战．物理研究虽然已成潮流，

最大的问题是理论模型及计算研究与大规模真实数复杂性统计理论模据之间还存在一个巨大的鸿沟．

型往往没有考虑到许多真实体系，特别是与人个体或群体有关的生命和社会体系是变化过程中经过选择优化的结果，对它们的多重约束在这样一个优化问题中没有得到足够的重视和认识．其次，作为开放系统，它与环境交换能量和物质的边界条件对优化结果的选择起到至关重要的作用．这些是研究真实复杂体系的真正挑战所在．当模型的构建和分析没有足够考虑这些重要方面时，理论结果往往与真实甚至于不相关．对这些内在约束和外系统很难相符，

在边界条件的了解有赖于对具体的复杂体系进行细致深入的实验实证研究．

虽然技术的进步为在系统层次观测和收集数据提供了前所未有的机会，大规模的数据积累也非常

之快．然而，有组织、有针对性地从实验实证数据探索系统的内外约束条件还处于初步阶段．因而，如何分析应用这些数据来全面理解真实系统的行为却进展甚微．关键的问题是缺乏有效的理论框架，所获得却不一定有很强的针对的数据在数量上可能很大，

性，信息比较散杂．数据中大量貌似杂乱可往往包含由于缺乏有效的理论指导，在有用的系统组织信息，

数据挖掘中很可能当作噪声被丢弃了．所得的系统信息不易串联在一起形成有效的关于体系在受到多如在认知神经科重约束和边界条件下的组织图像．

学领域，大脑自发的复杂活动通常作为噪声处理，大大了对这样一个动态复杂体系结构和功能的认识．经济、社会领域的数据积累也往往缺乏系统的理论指导．

由于对这些根本性的挑战还缺乏比较全面深入的认识，复杂体系的统计物理研究还处于初步阶段．我国有不少学者在复杂性一般模型和理论方面展开了比较活跃的研究，但还缺乏有意识、有组织和有规模的在理论和数据有机结合上的系统化发展．因此，很有必要基于当前国内研究团队的分布，组织国内的科研合作力量，把理论研究和实证分析紧密结合缩小理论及计算研究与大模型实验实证数据起来，

从而在根本上推动我国在复杂系统统之间的鸿沟，

计物理这一新兴领域的进步，在国际学术竞争中占甚至处于领军位置．一席之地，

下面将对人类行为、复杂网络、信息挖掘等３种复杂系统的统计物理研究最新进展和主要问题分别进行详细阐述和分析．

１　人类行为动力学

人类行为具有高度的复杂性．研究人类行为中的规律，对于经济学、社会学、管理学的研究和应用有着极为重要的价值．长期以来，对人类社会行为的研究主要为心理学所关注，通过心理学实验的方法，研究人类在各种环境下的心理反应是其主要的研究手段．

最近数十年来，人们在复杂系统研究领域内取得了令人瞩目的成就．复杂系统的研究具有着天然的综合性和交叉性，它所涉及的问题几乎遍及人们不但包括物理学、生物学等所研究的绝大多数领域，

自然科学学科，也包括了经济学、社会学等社会科学学科．随着对复杂系统研究的不断深入，该领域的研究对各种社会学科的渗透越来越强烈，其理论影响和实际应用也越来越广泛．近年来，对人类行为的统

中文大学研究生申请条件及专业介绍

工学院

生物医学工程 学制1年，理工科或医科相关背景，学费132,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1725 计算机科学 学制1年，相关专业背景，学费140,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1726 电子工程 学制1年，相关专业背景，学费124,992港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1727 信息工程 学制1年，相关专业背景，学费125,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1728

机械与自动化工程 学制1年，相关专业背景，学费125,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1729 系统工程与工程管理 学制1年，相关专业背景，学费148,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1730 电子商务与物流技术 学制1年，相关专业背景，学费148,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1731 商学院

会计学 学制1年，学费244,860港币，9月开学，雅思6.5，托福79，需要GMAT/GRE www.compassedu.hk/majr_1719 金融学 学制1年，学费300,600港币，9月开学，雅思6.5，托福79，需要GMAT/GRE www.compassedu.hk/majr_1720 资讯与科技管理 学制1年，学费168,000港币，9月开学，雅思6.5，托福79，需要GMAT/GRE

www.compassedu.hk/majr_1721

市场营销 学制1年，学费198,000港币，9月开学，雅思6.5，托福79，需要GMAT/GRE

www.compassedu.hk/majr_1722

商业分析 学制1年，学费180,000港币，9月开学，雅思6.5，托福79，需要GMAT/GRE

www.compassedu.hk/majr_5076

房地产及旅游资产管理 学制1年，学费191,100，9月开学，雅思6.5，托福

79，需要GMAT/GRE

www.compassedu.hk/majr_5077 工商管理 学制2年，学费510,300港币，9月开学，需3年工作经验，雅思6.5，托福79，需要GMAT

www.compassedu.hk/majr_49418 文学院

人类学 学制1年，可能有面试，学费95,000港币，9月开学，雅思6.5，托福79，春秋季入学

www.compassedu.hk/majr_1703

跨文化研究 学制1年，可能有面试，学费98,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1704

文化管理 学制1年，可能有面试，学费98,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1705 视觉文化研究 学制1年，可能有面试，学费98,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1706

英语应用语言学 学制1年，需要提交一篇500字论文，学费96,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1707 英语文学研究 学制1年，需要提交一篇500字的个人陈述说明兴趣目标，以及1000-1500字的论文，学费88,000港币，9月开学，雅思6.…… www.compassedu.hk/majr_1708

比较及公众历史学 学制1年，可能有面试，学费100,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1709

汉语语言学及语言获得 学制1年，有面试和笔试，学费103,950港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1710

语言学 学制1年，有面试和笔试，学费92,400港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1711

音乐学 学制1年，有面试，学费100,000港币， 9月开学 ，雅思6.5，托福79

www.compassedu.hk/majr_1712

宗教研究 学制1年，可能有面试，学费98,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1713

神道学硕士 学制2-3年，学费42,100港币/年，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1714

教研究 学制1年，学费84,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1715

神学研究 学制1年，相关专业背景，学费84,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1716

翻译学 学制1年，可能有面试，学费100,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1717 教育学院

教育学 学制1年，有面试，学费115,500港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1723

幼儿教育 学制1年，需要教育学背景，有面试，学费93,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_4174

运动科学 学制1年，学费100,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_5078 理学院

生物化学及生物医学 学制1年，相关专业背景，学费108,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1742

数学 学制1年，有面试，学费84,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1743

物理学 学制1年，理工科背景，可能有笔试和面试，学费88,080港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1744

认证化学 学制1年，相关专业背景，学费126,000港币/年，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_4180 营养、食品科学和技术 学制1年，食品，生物，医学背景，学费108,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_4184 法学院

中国商业法 学制1年，非法律专业申请需要法律相关工作经验，例如贸易、会计、公共管理、社会工作等领域，学费111,120港币，9月开学，雅思…… www.compassedu.hk/majr_1732

普通法 学制1年，非法律专业申请需要法律相关工作经验，例如贸易、会计、公共管理、社会工作等领域，学费111,120港币，9月开学，雅思…… www.compassedu.hk/majr_1733

国际经济法 学制1年，非法律专业申请需要法律相关工作经验，例如贸易、会计、公共管理、社会工作等领域，学费111,120港币，9月开学，雅思…… www.compassedu.hk/majr_1734 法律博士 学制2年，非法学背景，或使用非普通法制度地区学位，学费333,360

港币， 9月开学 ， 雅思7.5，托福100 www.compassedu.hk/majr_49419 医学院

护理科学 学制3年，不需要护理背景，可能有面试，学费105,000港币/年，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1736

运动医学及健康科学 学制1年，可能有面试，学费138,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1738

公共健康 学制1年，医学或公共健康相关专业背景，学费158,400港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1740

中医学 学制4年，生物医学或相关专业背景，可能有面试，学费124,485港币/年，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1741

消化疾病学 学制1年，保健或者生物医学相关背景，学费119,500港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_4176

老年骨科学 学制1年，临床医学背景优先，学费120,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_4177

流行病与生物统计学 学制1年，学费158,400港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_4178

神经科学 学制1年，医学相关背景，学费95,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_4179

骨关节医学与康复 学制1年，医学或保健相关背景，需相关工作经验，学费130,000港币，雅思6.5，托福79 www.compassedu.hk/majr_49420 社会科学学院

建筑硕士 学制2年，相关领域工作经验，学费140,000港币/年，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1745

城市设计 学制1年，一年以上相关工作经验优先，学费140,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1747

可持续与环境设计 学制1年，1年相关工作经验优先，学费140,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1748

全球传播 学制1年，学费144,000港币，9月开学，雅思7，托福92

www.compassedu.hk/majr_1749

新闻学 学制1年，学费144,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1750

新媒体 学制1年，学费144,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1751

广告学 学制1年，学费144,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1752

企业传播 学制1年，学费144,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1753

地理信息科学 学制1年，学费110,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1754

可持续旅游管理 学制1年，学费99,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1755

临床心理学 学制2年，心理学相关背景，需提交学士或硕士的论文摘要，一篇750字的自述（自己的性格描述，影响自己发展的因素，描述一件重要的经…… www.compassedu.hk/majr_1756

全球政治经济学 学制1年，学费140,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1758

公共学 学制1年，学费125,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1759

社会服务管理学 学制1年，不限专业背景，学费130,680港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1760 社会学 学制1年，不限专业背景，学费130,680港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1761 社会工作社会学硕士 学制2年，不限专业背景，学费221,400港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1762

社会学 学制1年，学费90,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1763

中国研究 学制1年，学费120,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_17

性别研究 学制1年，学费90,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1765

地球系统科学 学制1年，学费103,000港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_1766

高级环境规划技术 学制1年，学费127,500港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1767

大中华地区的与政治学 学制1年，学费98,000港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_1768

经济学 学制1年，有数学或统计基础优先，有面试，学费162,000港币/年，9

月开学，雅思6.5，托福79 www.compassedu.hk/majr_4181 心理学 学制1年，学费105,000港币，适合非心理学专业背景申请，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_4182

社会工作硕士 学制1年，社会工作相关背景，有相关工作经验优先，学费130,680港币/年，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_4183

住房研究 学制1年，学费127,500港币，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_5079

地理国情监测与公共 学制1年，学费93,500港币，9月开学，雅思6.5，托福79

www.compassedu.hk/majr_5080

基因组和生物信息学 学制1年，医学或理工科相关背景，学费100,000港币/年，9月开学，雅思6.5，托福79 www.compassedu.hk/majr_5081

城市大学研究生申请条件及专业介绍

科学与工程学院

建造管理(建造项目管理/房地产管理) 学制1年，相关专业背景，学费161,700港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1884

土木及建筑工程 学制1年，相关专业背景，学费161,700港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1885 计算机科学 学制1年，相关专业背景，学费131,100港币，9月开学，雅思6.5，托福79，CET6 450

www.compassedu.hk/majr_1886

电子资讯工程学 学制1年，相关专业背景，额外有工业研究，商务管理两个特殊方向可以选择；学费151,500港币，9月开学，雅思6.5，托福79，…… www.compassedu.hk/majr_1887

多媒体资讯科技 学制1年，相关专业背景，额外有工业研究，商务管理两个特殊方向可以选择；学费151,500港币，9月开学，雅思6.5，托福79，…… www.compassedu.hk/majr_1888

先进科技及管理 学制1年，相关专业背景，学费126,000港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_18 工程管理 学制1年，相关专业背景，学费126,000港币，9月开学，雅思6.5，托福79，CET6 450

www.compassedu.hk/majr_10

材料工程与纳米技术 学制1年，相关专业背景，学费146,400港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_12

都市设计与规划 学制2年，学费374,400港币 ，9月开学，雅思6.5，托福79，CET6 450

www.compassedu.hk/majr_5073

建筑学 学制2年，学费435,600港币，9月开学，雅思6.5，托福79，CET50 www.compassedu.hk/majr_49701 商学院

国际会计学 学制1年，会计或金融背景，有两年工作经验优先，学费202,500港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1854

专业会计与企业管治 学制1年，非会计背景申请，学费243,000港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1855 金融学 学制1年，有2-4年金融工作经验优先，学费217,800港币，9月开学，雅思6.5，托福79，CET6 490 www.compassedu.hk/majr_1856

应用经济学 学制1年，可以非经济专业申请，学费156,600港币，9月开学，雅思6.5，托福79，CET6 490 www.compassedu.hk/majr_1857

金融服务学 学制1年，有2-4年金融工作经验优先，学费217,800港币，9月开学，雅思6.5，托福79，CET6 490 www.compassedu.hk/majr_1858

金融工程 学制1年，有2-4年金融工作经验优先，有数量分析背景，学费217,800港币，9月开学，雅思6.5，托福79，CET6 490 www.compassedu.hk/majr_1859

商务资讯系统（无IT背景） 学制1年，非信息系统或计算机科学专业背景，学费131,100港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1860

商务资讯系统（有IT背景） 学制1年，信息系统或计算机科学专业背景，学费131,100港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1861

资讯系统管理 学制1年，有相关工作经验优先，学费131，100港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1862

电子商业及知识管理 学制1年，商学管理学专业优先，有两年工作经验优先，学费131,100港币，9月开学，雅思6.5，托福79，CET6 450，T…… www.compassedu.hk/majr_1863

电子商贸 学制1年，学费144,210港币，9月开学，雅思6.5，托福79，CET6 450

www.compassedu.hk/majr_18 环球企业管理 学制1年，三年国际商业管理工作经验或者两年与第一学位相关

的管理经验优先，学费156,600港币，9月开学，雅思6.5，托福79…… www.compassedu.hk/majr_1865 组织管理 学制1年，分2个方向，特殊方向要求工作经验，学费156,600港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1866 工商数量分析 学制1-2年，学费126,000港币，9月开学，雅思6.5，托福79，CET6 450

www.compassedu.hk/majr_1867 营运与供应链管理 学制1年，有工作经验优先，学费146,400港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1868

市场营销学 学制1年，有两年工作经验优先，学费212,700港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1869 人文与社会科学学院

应用心理学 学制1年，相关专业背景，学费153,140港币，9月开学，雅思6.5，托福79，CET6 450

www.compassedu.hk/majr_1871 社会工作学 学制2年，学费221,650港币，9月开学，雅思6.5，托福79，CET6 450

www.compassedu.hk/majr_1872 应用社会学 学制1年，学费120,900港币，9月开学，雅思6.5，托福79，CET6 450

www.compassedu.hk/majr_1873

现代亚洲研究 学制1年，1年以上相关工作经验优先，学费145,680港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1874

国际研究 学制1年，1年以上相关工作经验优先，学费145,680港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1875 语言学 学制1年，可能有笔试或面试，学费126,000港币，9月开学，雅思6.5，托福79，CET6 450

www.compassedu.hk/majr_1876

中文（中国语言及文学/汉语教学） 学制1年，学费126,000港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1877

英语语言学 学制1年，学费120,900港币，9月开学，雅思7，托福102 www.compassedu.hk/majr_1878

传播与新媒体 学制1年，有两年相关工作经验优先，学费140,940港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1879

整合营销传播 学制1年，有两年相关工作经验优先，学费156,600港币，9月开学，雅思6.5，托福79，CET6 450

www.compassedu.hk/majr_1880 公共与管理 学制1年，可能有笔试或面试，有工作经验优先，学费126,000港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1881

房屋学 学制1年，学费131,100港币，9月开学，雅思6.5，托福79，CET6 450 www.compassedu.hk/majr_1882 中国研究 学制1年，相关专业背景，学费108,810港币，9月开学，雅思6.5，托福92，CET6 490

www.compassedu.hk/majr_5074

都市管理 学制1年，学费126,000港币，9月开学，雅思6.5，托福92，CET6 490

www.compassedu.hk/majr_5075

发展研究 学制1年，学费145,680港币，9月开学，雅思6.5，托福79，CET6 450

www.compassedu.hk/majr_49423

辅导学 学制1年，有两年社会服务、教育、卫生、人力资源等相关工作经验优先，学费126,000港币，9月开学，雅思6.5，托福79，CE…… www.compassedu.hk/majr_49700 环境与能源学院

能源及环境 学制1年，理工科背景，学费120,900港币，9月开学，雅思6.5，托福79，CET6 450

www.compassedu.hk/majr_15 媒体学院

艺术硕士（创意媒体） 学制2年，有工作经验优先，学费263,520港币，9月开学，雅思6.5，托福79，CET6 500 www.compassedu.hk/majr_13

创意媒体 学制1年，有策展和媒体、媒体文化、播放媒体和游戏三个方向，学费131,100港币，9月开学，雅思6.5，托福79，CET6 500 www.compassedu.hk/majr_14 法学院

仲裁与争议解决法 学制1年，学费131,100港币，9月开学，雅思7，托福97，CET6 500

www.compassedu.hk/majr_16

法学硕士 学制1年，法学背景，学费141,300港币，9月开学，雅思7，托福97，CET6 500

www.compassedu.hk/majr_17 法律博士 学制2年，学费351.360港币，9月开学，雅思7（单科不低于6.5），托福100，CET6 520

www.compassedu.hk/majr_49424

兽医学院

水产及兽医卫生学 学制1年，学费181,350港币，9月开学，雅思6.5，托福79，CET6 500

www.compassedu.hk/majr_49702

理工大学研究生申请条件及专业介绍

工程学院

生物医学工程 学制1年，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_17

资讯系统 学制1.5年，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1792

资讯科技 学制1.5年，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1793

科技管理 学制1年，可能有面试或笔试,学费120,000港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_1795

软件科技 学制1.5年，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1796

电子商贸 学制1.5年，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1798

工程商业管理 学制1-2年，学费154,000港币，9月开学，雅思6.5，托福92 www.compassedu.hk/majr_1799

制造系统工程 学制1-2年，学费154,000港币，9月开学，雅思6.5，托福92 www.compassedu.hk/majr_1800

工业物流系统 学制1年，理工，商科，管理类专业背景，可能有面试或笔试，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1801

知识管理 学制1年，可能有面试，学费120,000港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_1802 电机工程 学制1年，包括电力系统/电力电子及驱动/铁路系统3个方向，可能有面试，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1803

电子与信息工程 学制1年，通用/多媒体信号处理及通讯2个方向，可能有面试，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1804

机械工程 学制1年，包括通用方向/产品开发及分析/空气噪音环保管理/航空工程/民用航空5个方向,可能有面试或笔试,学费120,000港币…… www.compassedu.hk/majr_1805

供应链物流管理 学制1.5年，学费154,000港币，每年1月、8月 两次入学，雅思6.5，托福92

www.compassedu.hk/majr_49704 商学院

会计学 学制1-1.5年，有一年工作经验优先，可能有面试，学费198,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1773

专业会计 学制1年，相关专业背景,可能有面试，学费237,600港币，9月开学，雅思6.0，托福80，有GMAT优先 www.compassedu.hk/majr_1774 金融硕士（投资管理） 学制1年，可能有面试，学费237,600港币，9月开学，雅思6.0，托福80，GMAT600或GRE语文160、数学148以上 www.compassedu.hk/majr_1775

国际航运及物流管理 学制1-2年，相关专业背景或有两年航运，交通，物流领域工作经验，学费198,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1776 人力资源管理 学制1.5年，相关专业背景，有一年工作经验优先，学费235,600港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_4170 公共机构管理 学制1.5年，相关专业背景，有一年工作经验优先，学费229,400港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_4171

中国商贸管理 有工作经验优先，学制1年，学费249,600港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_4172

市场营销管理 学制1.5年，不限专业背景，有工作经验优先，学费241,800港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_5067

商业管理 学制1年，有面试，学费223,200港币，不超过两年工作经验，雅思6.0，托福80

www.compassedu.hk/majr_49703 建筑及环境学院

土木工程 学制1年，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1777

屋宇设备工程（理学） 学制1年，有相关工作经验优先，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1778

屋宇设备工程（工学） 学制1年，可能有面试，有相关工作经验优先，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1779

设施管理 学制1年，两年以上工作经验优先，学费120,000港币，9月开学，

雅思6.0，托福80

www.compassedu.hk/majr_1780

项目管理 学制1年，两年以上工作经验优先，学费120,000港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_1781

消防及安全工程 学制1年，有相关工作经验优先，学费120,000港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_1782

建筑法与争议解决学 学制1年，有两年工作经验优先，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1783

建筑及房地产学 学制1年，有相关工作经验优先，学费120,000港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_1784

环境管理及工程学 学制1年，工科背景，学费120,000港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_1785

可持续城市发展学 学制1年，相关专业背景，学费120,000港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_1786

测绘及地理资讯学-地理资讯 学制1年，理工科背景，可能有面试，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1787

测绘及地理资讯学-测量 学制1年，理工科背景，可能有面试，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1788

高效能建筑学 学制1年，理工科背景，可能有面试，学费120,000港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_4166 人文学院

中国文化 学制1年，有电话面试，中文授课，学费135,000港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_1811 汉语言文学 学制1.5年，有可能有面试和笔试，学费135,000港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_1812

中国语言学 学制1.5年，学费135,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1813 英语语言艺术 学制1年，相关专业背景优先，如语言未达标可以参加学院的笔试和面试替代，学费135,000港币，9月开学，雅思7(听力7，阅读…… www.compassedu.hk/majr_1815 英语语言 学制1年，相关专业背景优先，如语言未达标可以参加学院的笔试和面试替代，学费135,000港币，9月开学，雅思7(听力7，阅读7……

www.compassedu.hk/majr_1816

英语教学 学制1年，相关专业背景，有2年教学经历优先，如语言未达标可以参加学院的笔试和面试替代，学费135,000港币，9月开学，雅思7…… www.compassedu.hk/majr_1817 专业英语 学制1年，两年相关工作经验，如语言未达标可以参加学院的笔试和面试替代，学费135,000港币，9月开学，雅思7(听力7，阅读7…… www.compassedu.hk/majr_1818

翻译与传译 学制1.5年，学费135,000港币，9月开学，雅思7(听力7，阅读7，口语6.5，写作6.5)，托福96 www.compassedu.hk/majr_1819

对外汉语教学 学制1.5年，至少两年相关工作经验，学费135,000港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_1821

日语媒体与传讯 学制1.5年，需要日语2级，学费148,500港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_4168

言语治疗学 学制2.5年，托福100分或者雅思7分，较强的英文、普通话、广东话的语言交流能力，本科专业为心理学，语言学，卫生科学相关的优先…… www.compassedu.hk/majr_4169

中英企业传播 学制1.5年，学费135,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_49711 应用科学和纺织学院

科技应用数学（精算及投资科学） 学制2年，有工业及商科工作经验者有优势，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1769

服装及纺织品设计 学制1年，可能有面试或笔试，学费120,000港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_1771 服装及纺织学 学制1年，分为服装营销策划和全球化服装管理两个方向，其中全球化服装管理方向需要三年的工作经验，学费120,000港币，9月开学…… www.compassedu.hk/majr_1772

运筹及风险分析 学制1.5年，有工业及商科工作经验者有优势，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_5066 医疗及社会科学院

医学影像及放射科学 学制1年，相关专业背景,有工作经验优先,学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1790

医疗化验科学 学制1年，相关专业背景,有工作经验优先,学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1791

咨商与辅导 学制1.5年，有工作经验优先，学费136,500港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_1806 感染控制学 学制1.5年，相关专业背景，有工作经验优先，学费132,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1807

社会工作学（家庭本位实务及家庭治疗） 学制1.5年，有相关工作经验优先，学费135,600港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1808

健康信息科技 学制1年，学费120,000港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1809

社会及社会发展 学制1年，有相关工作经验优先，学费136,500港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1810

应用心理学 学制1年，心理学背景，可能有面试，学费140,340港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_4167

应用心理学（特殊学习需要） 学制1年，心理学背景，有相关工作经验优先，可能有面试，学费140,340港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_49434

教育及儿童心理学 学制2年，心理学背景，可能有笔试和面试，学费120,000港币/年，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_49435 社会工作（精神健康） 学制1.5年，有相关工作经验优先，学费135,600港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_49436 精神健康护理 学制1年，护理学相关专业背景，学费120,000港币，9月开学，雅思6.0，托福80

www.compassedu.hk/majr_49705

护理学 学制1.5年，学费120,000港币，护理相关专业背景及工作经验，雅思6.0，托福80

www.compassedu.hk/majr_49706

职业治疗学 学制1年，相关专业背景，学费120,000港币，雅思6.0，托福80 www.compassedu.hk/majr_49707

发展障碍人士康复 学制1年，相关专业背景，学费120,000港币，雅思6.0，托福80

www.compassedu.hk/majr_49708

康复科学 学制1年，相关专业背景，有1年工作经验者优先，学费120,000港币，雅思6.0，托福80

www.compassedu.hk/majr_49709

运动物理治疗 学制1年，相关专业背景，学费120，000港币，雅思6.0，托福80

www.compassedu.hk/majr_49710

设计学院

多媒体科技 学制1年，学费151,200港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1794 设计学(创新应用) 学制1年，相关专业背景，可能有面试，学费158,400港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1822 设计学(交互设计) 学制1年，相关专业背景，可能有面试，学费158,400港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1823

设计学(城市环境设计) 学制1.5年，相关专业背景，可能有面试，学费158,400港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1824

设计学(国际设计与商务管理) 学制1年，相关专业背景，可能有面试，学费132,120港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_5069 酒店及旅游业管理学院

国际酒店管理 学制1.5年，相关专业背景，有工作经验优先，有可能有面试，学费170,500港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1825

国际旅游及会展管理 学制1.5年，相关专业背景，有工作经验优先，有可能有面试，学费170,500港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_1826 国际葡萄酒管理 学制1.5年，相关专业背景，有工作经验优先，有可能有面试，学费170,500港币，9月开学，雅思6.0，托福80 www.compassedu.hk/majr_5068

环球酒店业管理 学制1.5年，学费470,000港币，有一年相关工作经验，雅思7.0，托福100

www.compassedu.hk/majr_49712

　第２期汪秉宏，等：人类行为、复杂网络及信息挖掘的统计物理研究１０５　

计研究已经成为复杂系统中的一个重要议题．

不同于传统心理学实验方法，复杂系统研究者对于人类行为的研究主要通过统计物理方法．通过对大量人类行为事件进行定量统计，研究其中所隐并根据所研究的问题，提出基本假藏的统计性规律，

设，建立理论模型，来探索这些规律的产生机制和可基于这样的研究方法，近年来人们能的动力学影响．

发现了人类行为中所存在的大量特殊现象和规律，这些发现引发了人们更深一步地探索人类社会行为、的热潮．特别是从２仅在《００５年以来，Ｎａｔｕｒｅ》《》、《Ｐ、《等强影响因子期刊上ＳｃｉｅｎｃｅＮＡＳ》ＰＲＬ》就已经发表了３０余篇文章．

１．１　人类行为时间统计特性的实证研究

以往一些对社会、经济系统的研究中，常常把单个人的行为简化为可以使用泊松过程描述的稳态随这种假设必然导致的推论是人的行为的时机过程．

两个相继行为之间间统计特征应该是较为均匀的，

存在极大时间间隔的概率很小．但是，自２００５年以来，通过对电子邮件发送与回复、邮件通信等人类行人们发现这些行为存在为的时间间隔的实际统计，

］１－２

：与上述假设极为不同的特性［长时间静默与短

１．２　人类行为动力学模型研究

上述统计特性说明人类的众多行为不能使用泊松过程来描述，那么一个重要的问题是这种胖尾分布行为特征的来源是什么．目前一种重要的解释是

］１，１６－１８

，它把人的各种日常行基于任务队列理论的［

为视作处理一系列的任务，并根据日常生活经验假首先处理高设对这些待处理任务进行优先级划分．

优先级者，指出这种具有优先权的行为模式是造成这种基于任务队列的理论模胖尾分布的重要原因．

型可以合理地解释很多人类行为中的非泊松特性，例如电子邮件和水陆邮件的发送等，而且可以相当

１９］

，容易地推广到存在多个个体之间交互的情况［在

解释人类行为时间统计胖尾分布特征方面取得了很大的成功．

此外，由于人类行为的复杂性，影响人类行为的因素是多种多样的，所以，有部分研究从不同于任务提出了多种非排队论模型．例如，队列的方面出发，

２０］

，有的工作考虑了人类行为中的记忆效应［有的研

究了行为的周期性和季节性对非泊松机制的影

２１］

，响［近期的一种理论从多重泊松分布的角度解释２２］

了人类的行为特性［．

其期内高频率的爆发同时呈现在这些人类行为中，也就是时间间隔分布存在满足反比幂函数的胖尾，说，这些行为的发生过程是不能用泊松过程描述的．这一出人意料的研究结论提示人们，人类的个体行为可能存在复杂的动力学机制，而随之而来的一个重要问题是这种非泊松特性在人类行为中是不是普遍存在，人们对这一问题进行了极为广泛的研究．

通过各种不同的数据收集方法，人们的研究涉

］］３－６７－８９］

、、、及市场交易［网站浏览［电影点播［欣赏１０］１１］

、、手机通讯［在游戏及虚拟社区中的网络音乐［

］１２－１３１４］、行为［计算机指令的使用行为［等，包含了商

最后，国际上有少数工作研究了人类行为的非通讯等动力学过程的影响．例泊松特性对网络传播、

如，发现相比于一般的泊松特性，这种非泊松特性可如更快的传播速度以给系统带来一些特殊性质，

２３］

等［由于这一领域发展时间很短，在这一问题上．

还有海量的工作等待开展．１．３　人类行为空间统计特性的研究

除了发现人类行为的时间间隔分布中广泛存在有非泊松特性，最近也发现在人类行为的空间分布通过中也存在有非泊松特性等复杂现象．２００６年，

２４］

，统计帐单传递［人们间接地发现了人类的旅行行

业行为、娱乐行为、日常使用习惯等众多的人类行为．在这些行为中，普遍发现有类似的偏离泊松过程的特性．这些现象显示出，除了受到生理周期强烈影响的部分行为外，时间间隔统计所显示的非泊松特性可能是在人类行为中普遍存在的．

除了时间间隔分布，部分人类行为事件前后时间间隔的相关性也得到了研究者的注意．研究发现，这些人类行为相邻时间间隔的相关性并不明显，而其它同样存在爆发性和长期静默性的自然现象（如

１５］

地震等）却常常存在正的相关性［这一项研究初．

程分布存在接近于幂律的胖尾．２００８年，Ｇｏｎｚａｌｅｚ

２５］

等［通过统计移动电话用户在不同基站区域的漫

游过程，更进一步地研究了人的旅行行程分布，同样发现该分布具有无标度特性，与早期的结果基本一

［６］致．更为直接的基于Ｇ也支ＰＳ数据的统计结论２持人类行程分布中存在无标度特性．此外，在生物学

观测方面也发现大量的动物物种的运动具有类似幂

］２７－２９

由于这种幂律形式的行程律形式的行程分布［．

分布存在较高频率的远程运动，它无法通过经典的随机行走进行描述．这种行程分布的广泛性，使得人们需要去思考它背后的动力学机制是什么．虽然对于动物行为中的幂律行程分布已经提出了觅食效率

步把人类行为和其它复杂系统中的行为特性进行了比较，暗示可能存在统一的深层机制．

１０６　　　　　　　上海理工大学学报２０１２年第３４卷　

］３０－３１３２］３３］

、、优化［嗅觉梯度机制［确定性行走［等，目上，也有工作进一步比较了两者对于疾病传播速度

３６］

的影响［所谓群体层面的时间异质性，是指每个．

前对人类这种行程分布模式产生机制的解释方面的研究仍然是空白．另一方面，由于这类非泊松特性常常会使得系统出现若干特殊性质，那么这种人类行为的空间分布上的非泊松特性同样可能影响到城市交通、人流控制、紧急避险等系统的运作，可能会使这些问题目前尚未被研究，也其带有若干特殊性质，值得研究者的注意．

１．４　人类行为动力学对传播的影响

人类行为的特性，不仅帮助人们更好地了解自己的行为特征，进一步挖掘这些统计数据背后所隐藏的人类特性，还关系到了人们对于多个方向的模拟和理解，其中讨论最多的，应属人类动力学对于疾病在人群中传播的影响．在这里主要从时间和空间波及范围、两个方向来介绍人类行为对于传播速度、预防策略等的影响．

经典疾病传播模型都基于一些有悖于人类真实行为的假设：人活动的时间间隔相同，即所有人都ａ．，均匀地在每个时间步活动一次，这里的“活动”是指所有人活动的频率在群体中是传播或康复的行为；ｂ．无差别的，即每个个体的活动密度一样．然而，参考前这些假设与人类行为文人类时间间隔实证统计发现，

记忆性和活跃性有着很大的出入．具有的阵发性、

为关注人类活动的阵发性对于病毒传播的影响，分别为Ｖｚｕｅｚ等用人们查收Ｅａｉｌ的两组数据，－ｍｑ

个用户之间发送的１３１８８２９１３５封邮件，１７２９１６５　　　　个用户之间互发的３在实证数据９０４６０３０封邮件，　　的网络上，根据真实时间间隔，模拟了网络上计算机

２３］

以天和小时为单位的统计结病毒的传播情况［．

人活动的时间序列间隔平均，而人与人之间的频率有较大差别，满足幂律分布．但是个体层面的时间异表现为人与人之间活动的频率相同，而单人活质性，

动的时间间隔满足幂律分布．群体层面上时间的异相比之下，个体层面质性对传播速度的影响非常大，上的对传播影响很小．

为了揭示人类的行程分布对于传播过程的影响，与欧氏距离成Ｎｉ等利用连接概率与度成正比，反比的机制，构造网络，并在网络上模拟传播过

３７］

程［研究发现，行程分布的几何特征越鲜明，即人．

们更倾向于去到距离自己欧氏距离比较近的地方，病毒传播所波及的范围就越小，持续时间也就越短．

相比于个体形成分布的活动特征，更多人关注宏观意义上人类的长程旅行对于病毒在城市间扩散的影响．早在２００４年，Ｈｕｆｎａｅｌ等就在美国航空网ｇ络上，假设人口密度随机分布，建立了ＳＡＲＳ病毒

３８］传播的模型［该模型考虑了局部病毒传播和城市．

模拟出的结果间由于飞行造成病毒传播两种因素，

与实证很好地吻合，并提出了有效预防及抑制疾病针对以上模拟及解析结果，传播的策略．Ｈｕｆｎａｅｌｇ等还提出了相应的预防策略．通过模拟，比较了减少局部地区个体接触和减少长程出行两种预防策略．得出孤立城市，即减少城市间的长程旅行可以更有效地防治疾病扩散，并给出了集中早期进行疫苗注

３８］射的显著效果［此后，．２００６年Ｃｏｌｉｚｚａ等专门就人

类长程出行的拓扑结构对于病毒扩散造成的影响进

３９］行了研究［为了进一步探究网络的拓扑结构对于．

果，都表明人类行为的时间间隔满足幂律分布，会极人类活动的阵发性对于大程度上减慢病毒的传播．病毒传播具有明显的延迟作用．

］文献［也运用Ｓ讨论了时３４ＩＲ模型通过模拟，间分布的阵发性对于传播过程的影响，设置了存在等待时间的模型，并得到结论：时间的异质性越强，病毒存活的概率越小．

在人类活动时间间隔满足阵发性的基础上，为探讨时间序列的记忆性对传播过程的影响，Ｋａｒｓａｉ等基于电话网络的实证数据，时间跨度为９个月，在

［５］

通过规模为Ｎ＝４．６×１０６的网络上模拟传播３．

疾病人数分布的影响，还提出了病毒分布熵的概念，来刻画病毒流行的地区异质性．通过与实际网络病毒传播情况的对比，发现以前很多刻画人类行程拓扑结构的模型在细节上还需改进．１．５　国内相关研究进展

该领域兴起也引起了国内研究者的注意．目前，中国科学技术大学复杂系统课题组、上海理工大学管理学院、上海交通大学自动化系等都已经有相关的研究论文在国内外学术期刊上发表．这些工作可以简述如下．

在实证方面，中国科学技术大学复杂系统课题组的周涛等与韩国成均馆大学及瑞典皇家学院合作研究了电影点播中的人类行为模式以及与个体活动

９，４０］

；性之间的关系［洪伟等研究了人类短消息通讯４１］

，中的时间间隔分布［发现了多种无标度特性；上

对比网络是否含权重、网络是否有向、通话时间分布是否有记忆性，模拟结果表明，人类行为时间和空间上的异质性会一定程度地减慢传播过程．

时间的异质性又体现在个体与群体两个层面

　第２期汪秉宏，等：人类行为、复杂网络及信息挖掘的统计物理研究１０７　

海理工大学课题组的张宁、李楠楠和周涛合作分析

］４２－４３

；了鲁迅、钱学森等名人的邮件通讯数据［上海

交通大学的胡海波等人研究了网络在线音乐的收听

１０］

行为［在理论模型方面，中国科学技术大学的韩．

——同步与神经动２　复杂网络动力学—

力学

科学与技术的新前沿２．１　复杂网络：

过去的１人们见证了由一个影响深远的０多年，交叉学科“复杂网络”的出现带来的复杂系统研究上）见文献［在很多真实世界中的重大革新（４９－５０］．的复杂系统中，系统基本元素之间相互作用构成了

］５１－５３复杂的拓扑连接［来自不同学科领域的这些复．

筱璞等提出可自适应调节的兴趣机制来解释人类行

］４４－４５

为的非泊松特性［此外，上海理工大学方面还．４６］

；上海理工大发表了针对人类动力学的中文综述［

学的郭进利等和中国科学技术大学的周涛等合作编

［４７］

；写出版了专著《人类行为动力学模型》中国科学

技术大学的周涛、韩筱璞、汪秉宏也在世界科学出版：社出版的专著《ＳｃｉｅｎｃｅＭａｔｔｅｒｓＨｕｍａｎｉｔｉｅｓａｓ　　

》中撰写了关于人类动力学研究ＳｓｔｅｍｓＣｏｍｌｅｘ　ｙｐ的一个专门章节

［４８］

杂网络既不是规则连接也不是随机连接，而是具备两个共同的特性．这两个共同的特性分别是由较短路径长度所描述的小世界特性（度）的中心节点的无标度特点

［５４］［５５］

和具有很大连接

．

１．６　面临的主要问题

由于该领域的发展时间短暂，目前仍存在大量问题有待于深入研究．

但仍然ａ．已有的实证统计主要针对个体行为，

存在大量的个体行为特性未被研究，已有的研究结果难以根据统计特性区分个体行为的主要类别，而事实上，人针对团体行为的实证研究更几乎是空白．

类的行为常常受到社会关系的影响，这方面定量的另外，一些最近发展的理实证研究仍然非常欠缺．

例如人类动力学的普适类假说，受到了新的实证论，

数据的挑战，更清晰和令人信服的图景需要更多和更深入的实证分析．

目前所做的一些最新ｂ．除了人类的个体行为，统计也发现，一些社会团体的宏观行为也具有类似的非泊松特性，如国家之间战争的时间间隔分布等．由于目前的实证统计有限，对于社会团体而言，这些特性在多大范围内存在，是否与人类个体行为具有都仍然是未知问题，需要进行深入相似的生成机制，的研究．

目前的实ｃ．在研究人类行为的空间分布方面，证数据都是根据帐单、手机漫游等数据间接获得，缺少对人类行为空间分布的直接观察，而其产生机制和动力学效应方面的研究目前几乎没有．

虽然已经提出了多种ｄ．目前的理论模型研究，

唯相机制来解释人类行为中的非泊松特性，但是这些机制难以覆盖全部人类行为中的非泊松特性现需要提出新的更具有普适性的模型．象，

ｅ．人类行为特性对各种社会系统动力学效应的影响研究，尽管已经出现了少数成果，但因涉及问题众多，导致许多研究空白，大量工作需要深入进行．例如人类行为的空间分布特性是如何影响城市交通等．

．

复杂网络领域的主要方向是图理论分析工具的

发展以及将这些工具应用于刻画不同领域里的复杂

］４９－５０

系统［在复杂网络领域的研究方法中，复杂系．

元素之间的相互作统的基本元素是由节点来表示，

用是由边来表示，而元素和相互作用的一些细节特点通常被忽略．

在对复杂系统的研究中，上述过度简化的研究方式了方法的效能．一个很大的挑战是，对整个网络的全局统计量（如平均路径长度、簇系数等）进行测量时，网络的结构并不能够真正决定系统的行例如，由脑皮层区域之间长程连接所构成的大脑为．

］５６－５７网络的小世界和无标度特点［确实能对大脑的

功能表现提供一些视角，但是要想对大脑功能作出更重要的深入理解需要基于对神经元和复杂网络结构的重要特性综合之后对大脑的动力学进行深入细致的分析．

将网络的结构和复杂系统行为联系起来的重要一步是对在网络上发生的动力学过程进行研

５０，５８］

在很多复杂系统的动力学研究中，特别是究［．］５９－６０

，对于神经系统［复杂网络振子同步作为共同行

为自组织现象的重要机制已经成为深入探索的一个］）见文献［重要课题（６１．

２．２　复杂网络同步研究的成就及重大挑战

在振子同步性问题上，研究的焦点集中考虑网络拓扑结构方面，特别是小世界和无标度特性的影

］６１－７１

响上［在整个网络的全局同步方面，很多工作．

要么考虑全同振子实现的完全同步或者是非全同振

６１］

之前已经有很多研子由于锁相实现的协作振动［．

究主要使用主稳定性方程来探索完全同步状态的稳定性，而在这个方法中，根本不考虑振子的特殊属

］６５－７０

性，而是将网络同步性与网络的特征谱挂钩［．

１０８　　　　　　　上海理工大学学报２０１２年第３４卷　

文献主体部分是通过对权重和耦合强度的拓扑结构

］６１，６７－７１进行调整来加强振子的全局同步性［．

为复杂的动力学网络体系．它的结构与动力学直接关系到大脑的各种功能及相应的精神疾病和认知障碍．最近１由于脑造影技术的进步，人们已０多年来，在系统层次对大脑的连接及活动积累了非常多的有益数据．如何分析理解这些数据从而了解大脑大规模的复杂结构、动态活动及认知功能之间的关系，必将是未来研究大脑蓬勃发展的新方向．

在过去几十年内，非线性与复杂性物理科学的并将其应用于神各种理论和方法得到长足的发展，

经科学领域．特别是复杂网络方法的应用已经勾勒出一个关于大脑的新图景，使得可以从解剖学上的神经连接层面以及动力学，也就是大脑功能上的区域相互关联层面上来研究这个复杂的神经网络结

］５８，８５－８６

构［在大脑的系统层面上，根据之前的研．２６，８７］

，由哺乳动物脑区间的长程连接所构成的脑究［

虽然完全同步非常方便进行稳定性分析，但是它不是真实的复杂系统中最自然的状态．相反，大尺度如社会灾难、癫痫的强同步对应的是系统病态情况，

发作，真实系统是不希望出现这些状态的．真实系统为了实现正常功能需要不同层次的特别是神经系统，

同步，使得系统通过分割成不同动力学模块在各自的同时，这些专门的模块间子系统里实现特殊的功能．

相互作用有效地实现了分割处理的信息整合．

最近，网络研究中将网络分成不同拓扑模块的

］７２－７５

研究方法已经引起了广泛关注［除了小世界和．

无标度特性，模块化是真实网络另一个普适特征．例如在神经系统中，数十亿神经元被耦合形成不同层从单神经元连接组成的神经柱，由不同神经柱次的（

连接再形成的功能区域）模块网络．通过模块之间不模块结构为系统实现功能的同层次上的合作同步，

分类和整合提供了一个天然基础．虽然关于模块研究的最近一些工作仍然考虑完全同步态的稳定性问

７６］

，题［但是主流趋势已经转移来研究系统在并未完

皮层网络已经展示出小世界和无标度特性．这个发它暗示着每个脑区的活动都可现的意义是巨大的，

能同时被其它脑区的活动影响．由测量到的不同脑区活动相关性所得到的大脑功能区之间相互作用的功能网络也展示了这个复杂的大脑斑图，这一点甚至当大脑处于静息态，也就是说大脑在没有外感觉只有完全自发的自组织活动的状态下也同样输入，

］８８－９０

传统的认知神经科学在过去的１存在［．０多年９１］

也开始转而研究大脑自发活动在功能上的影响［．

全同步时动力学模块的形成，这个方法同时用于探

］７７－８１

测网络结构模块［．

值得注意的是，很多之前著名的研究仍然将网

４９］

）络随时间变化的动力学（如网络演化［和动力学

如同步，信息传播行为在网络上的表现（

［５０，５８］

）分开然而，认知科学方面的分析还是主要局限在考虑由少量脑区所组成的自下而上（前馈）或者自上而下的

６０］

（反馈）机制［与只研究少量脑区相比，从复杂网．

考虑．然而在大量真实的复杂网络系统中，结构与动力学的相互影响是至关重要的．不只是结构决定了动力学斑图，反过来动力学也使得结构进行了与之后者在众所周知的神经系统的学习相适应的调整，

机制中表现得尤为明显．很多真实系统自组织了网并且在两者共同演化中实现了对功能的优络结构，

化．有些工作开始关注在适应性网络上来对结构和

］８２－８４

功能的相互影响进行分析［．

络角度同时研究神经系统中各部分的相互作用将会带来关于动力学和功能的相互关系方面更多的信息，但是该如何解读这些信息又是需要考虑的问题．

大脑的复杂网络假设呼唤着新的方法来揭示出大脑大尺度的功能网络和认知过程的关联．如今基于网络的分析和测量工具不足以应付研究复杂的大尺度动力学相互作用斑图，并将它们与只在５０～１００ｍｓ的短时间窗口里发生的各种认知过程相联系．现在这些复杂的大脑网络特征分析只是局限于讨论网络的全局统计量，如簇系数、平均路径长度等．而对于功能网络的分析也主要是考虑在长时间尺度下统计意义上的脑区活动相互作用斑图．普适网络理论对于结构和动力学关系的探索只是局限在如复杂网络中振子同步问题已一些理想的情况下，

］）经被大量研究（见文献［但是，这些研究主７７－８１．

］６１－６４，９２－９４

，要是集中在全局同步上［也就是整个网络

综上所述，在振子网络的理论分析和模型研究中的主要挑战一方面是刻画复杂同步斑图的复杂性程度与网络不同层次结构之间的关联，另一方面是探索在各个层次里通过结构模块和动力学模块的相互影响实现两者的自组织．这个方向的探索刚刚起步，将长期影响对可以用振子及其同步来根本表现其功能的真实复杂系统，特别是神经系统的

］５９－６０

理解［．

２．３　神经网络与神经动力学

由几百亿个神经元通过极其复杂的、多层次连接而形成的大脑皮层神经系统是自然界中所知的最

的完全同步．通过理论的稳定性分析可知，大尺度完

　第２期汪秉宏，等：人类行为、复杂网络及信息挖掘的统计物理研究１０９　

全同步并不允许信息的分割处理，这一点与神经系统中需要信息的分隔处理与整合的恰当平衡相抵触，因而与神经系统的疾病状态相对应，如癫痫

］９２－９４

发作［．

《、ＪｏｕｒｎａｌｏｆＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏａｎｄＴｏｕｒｉｓｍ》　　　　ｇｙ　

《、《ＡＣＭ　ＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｆｏｒｍａｔｉｏｎＳｓｔｅｍ》ＡＣＭ　　　ｙ、《ＴｒａｎｓａｃｔｉｏｎｓｏｎＣｏｍｕｔｅｒｕｍａｎＩｎｔｅｒａｃｔｉｏｎ》Ｉｎ　　－Ｈ　－ｐ

》、《ｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＥｌｅｃｔｒｏｎｉｃＣｏｍｍｅｒｃｅＩＥＥＥ　　　　》、《》等也分别ＩｎｔｅｌｌｉｅｎｔＳｓｔｅｍｓＡＩＣｏｍｍｕｎｉｃａｔｉｏｎｓ　　ｇｙ

于２００３年、２００４年、２００５年、２００７年出版了推荐系统除这些专刊外，多个顶级的国际会议，如的专刊．

、、、ＣＨＩＡＣＭＳＩＧＩＲ、ＥＣＡＩＡＡＡＩＲｅＣｏｌｌ等都设立专　

由于推荐系统的重要地位，门的推荐系统的工作组．

其第一届ＡＣＭＳＩＧＩＲ设立了专门的推荐系统会议，　

会议于２第二届会００７年在美国明尼苏达大学召开，议于２００８年在瑞士洛桑理工大学召开．

一般而言，信息推荐系统通常包括３个组成要

９７］

：素［推荐候选对象、用户和推荐方法．其中，推荐

因此，对大脑复杂的连接结构、活动的统计分析和模拟研究的挑战是如何把复杂网络和复杂动力学系统的一般理论同真实神经系统的特异性有机结发展新的理论方法并把它应用到真实的数据分合，

这需要从事复杂性统计物理研析和模型的建立上．

究的学者与神经科学家之间的紧密合作．

３　信息挖掘的统计物理分析

随着因特网的迅猛发展，接入因特网的服务器

［６］９５］

和Ｗ的数目都呈数量［ｏｒｌｄＷｉｄｅＷｅｂ上网页９　　

最关键的部分，在很方法是整个推荐系统中最核心、

大程度上决定了推荐系统的性能．目前，针对推荐方其中多数研究者将推荐技术法的分类也有好几种，

、分为３类：基于协同的推荐（协同过滤）基于内容的推荐和混合推荐技术．

协同过滤系统是最早被提出ａ．协同过滤系统．

并得到广泛应用的推荐系统，其核心思想可以分为

９９］

首先，利用用户的历史信息计算用户之两部分［．

现出快速增长的态势．用户可得信息量的激增使得但与此同时，也带来了信息人们的生活变得多元化，

过载的问题．例如，Ｎｅｔｆｌｉｘ上有数万部电影，Ａｍａ－ｚｏｎ上有数百万本书，Ｄｅｌ．ｉｃｉｏ．ｕｓ上面有超过１０亿

如此多的信息，别说找到自己感兴趣的的网页收藏．

部分，即使是浏览一遍标题也是不可能的．信息过简单来说，就是信息量的激增使得信息的利用率载，

高效准确的信息推荐技术，特别是针对不反而降低．

同用户不同喜好的个性化推荐技术，是解决信息过

９７］

另外需要注意的是链路载问题最有前途的方案［．

然后，利用与目标用户相似性较高的邻间的相似性；

居对其它产品的评价来预测目标用户对特定产品的喜好程度．系统根据这一喜好程度来对目标用户进行推荐．协同过滤推荐系统最大的优点是对推荐对象没有特殊的要求，能处理音乐、电影等难以进行文本结构化表示的对象．Ｇｒｕｎｄｙ被认为是第一个投入

１００］

，该系统通过建立用户兴应用的协同过滤系统［

预测技术，这是一种不完整信息重构的有效手段．下面，将从信息推荐理论和算法，以及链路预测理论和算法两方面进行叙述．３．１　关于信息推荐

个性化推荐系统，本质上讲是根据用户对相关产代替用户评估他尚未接触的产品的一品的历史评价，

］９８

种工具［这些产品包括书、电影、网页，甚至可．ＣＤ、

趣模型给用户推荐相关的书籍；Ｔａｅｓｔｒｐｙ邮件处理

１０１］

；系统人工确定用户之间的相似度［ＧｒｏｕＬｅｎｓｐ

建立用户信息群，群内的用户可以发布自己的信息，依据社会信息过滤系统计算用户之间的相似性，进

１０２］；而向群内的其他用户进行协同推荐［Ｒｉｎｏ利用ｇ１０３］

社会信息过滤方法向用户推荐音乐［其它利用．

以是饭店、音乐、绘画等．个性化推荐系统作为一个的概念，在２由于０世纪９０年代已经被提出．技术的发展和成熟，用户可以方便地针对网Ｗｅｂ２．０　

上服务提供反馈信息，这些反馈信息可以反映用户的喜好，从而被网络服务提供商用来进行推荐．因此，最近几年，个性化推荐系统的研究得以迅猛发展．

虽然早在１９９２年开发的Ｔａｅｓｔｒｐｙ系统就己经但推荐系统的概是真正意义上的信息推荐系统了，

念直到１９９７年才由Ｒｅｓｎｉｃｋ和Ｖａｒｉａｎ正式定９８］

，义［推荐技术也才逐步发展为一个的研究领《域．分别于１ＣｏｍｍｕｎｉｃａｔｉｏｎｓｏｆＡＣＭ》９９２年和　　国际著名期刊１９９７年出版了两期推荐系统的专刊，

协同过滤方法进行推荐的系统还有Ａｍａｚｏｎ的书籍

１０４］

推荐系统［等．虽然协同过滤推荐系统得到了广

泛应用，但是也面临很多问题，如新用户或新产品推、荐问题（冷启动问题）打分稀疏性问题、算法可扩展性问题等．

基于内容的推荐不是依据ｂ．基于内容的推荐．用户对项目的评价意见，而是依据用户已经选择的产品内容信息来计算用户和产品之间的匹配度，进而进行相应的推荐．基于内容的推荐算法的根本之

１１０　　　　　　　上海理工大学学报２０１２年第３４卷　

１０５］

，处在于信息获取和信息过滤［关键在于内容信除了上面３类方法以外，多种数据分析技术，如数据分类、数据聚类、关联规则、Ｂａｅｓｉａｎ网络、Ｋ－ｙ神经网络、线性回归、最大熵方法、云模ｍｅａｎｓ方法、

型、多示例学习等均被用于推荐系统，此处不再赘此外，用户的行为特征、个性化的领域知识等也述．

被用于个性化推荐系统．

３．２　关于链路预测

链路预测（问题是指通过对已ｌｉｎｋｒｅｄｉｃｔｉｏｎ）　ｐ包括一些可能的节点的其它信知网络结构的分析，

息，来评估尚不相连的两个点之间产生链接的可能

１２０］

性，进而实现预测［该问题具有重要的应用价．

息的获取和匹配．因为文本信息获取与过滤方面的研究较为成熟，多数基于内容的推荐系统都建立在对产品的文本分析上．在大多数的基于内容的推荐产品内容常常被描述成关键词．系统中，Ｆａｂ系

１０６］

统［就是一个典型的例子，它用一个网页中最重

而Ｓ要的１００个关键词来表征这个网页；ｓｋｉｌｌ＆　ｙ

［０７］

则用１Ｗｅｂｅｒｔ系统１２８个信息量最多的词表示一

系统根据文本相似性推荐与用户过去喜欢个文件，

］１０６－１０７

的产品最为相似的产品［基于内容的推荐系．

统中，用户的配置文件构建与更新是其中最为核心的部分之一，也是目前研究人员关注的焦点．例如

［０［８］１０９］

以及Ｚ提出了利用自Ｓｏｍｌｏ和Ｈｏｗｅ１ｈａｎｇ等

［１１０］

适应过滤技术更新用户配置文件；通过Ｃｈａｎｇ等

值，并且可以对网络科学的理论研究，特别是网络演化规则和节点相似性指标的评判问题起到重要的贡献．下面从实际应用和理论意义两个方面叙述．

很多生物网络，例如蛋白质相互作用网络和新陈代谢网络，节点之间是否存在链路，或者说是否存需要通过大量实验结果进行推断．仅以在相互作用，

蛋白质相互作用网络为例，酵母菌蛋白质之间８０％

１２１］

，的相互作用不为人们所知［而对于人类自身，知［２］２－１２３

由于揭示这类网络道的仅有可怜的０．３％１．

赋予短期区分长期感兴趣与短期感兴趣的关键词，感兴趣的关键词更高的权重，在此基础上建立新的从而大大减少了更新配置文件的代关键词更新树，

［１１］

价．利用ＷＤｅｅｍｍｉｓ等１ｏｒｄＮｅｔ构建基于语义ｇ

学的用户配置文件，配置文件通过机器学习和文本

里面包含了用户喜好的语义信息，而分类算法得到，

不仅仅是关键词集．基于内容的推荐系统不可避免例如自动提取多媒体地受到信息获取技术的约束，

图形、视频流、声音流等）的内容特征具有技术数据（

上的困难，使得这方面的相关应用受到了很大．

如前所述，协同过滤和基于ｃ．混合推荐技术．

内容的推荐算法在投入实际运营的时候都有各自的缺陷．因此，实际运营的推荐系统常将两种甚至多种推荐算法进行结合，即采用混合推荐算法．针对实际数据的研究显示这些混合推荐系统普遍具有比上述

］１１２－１１４的推荐系统更好的准确率［建立混合推．

中隐而未现的链接需要耗费高额的实验成本，如果能够在已知结构的基础上设计出足够精确的链路预再利用预测的结果指导试验，就有可能非常测算法，

明显地降低试验成本并加快揭开这类网络真实面目的步伐．实际上，社会网络分析中也会遇到数据不全的问题，这时候链路预测同样可以作为准确分析社

］１２４－１２５

会网络结构的有力辅助工具［除了帮助分析．

数据缺失的网络，链路预测算法还可以用于分析演举例来说，近几年在线社会网络发展非常迅化网络．

１２６］

，速［链路预测可以基于当前的网络结构去预测

荐系统的方法之一是地实现协同过滤和运用基然后将两种推荐结果结合起来，于内容的推荐算法，

１１５］

；利用预测打分的线性组合进行推荐［又或者，只

，应该是朋友”并将此结哪些现在尚未结交的用户“

果作为“朋友推荐”发送给用户．如果预测足够准确，显然有助于提高相关网站在用户心目中的地位．另外，链路预测的思想和方法，还可以用于在已知部分）节点类型的网络（中预测ａｒｔｉａｌｌｌａｂｅｌｅｄｎｅｔｗｏｒｋｓ　ｐｙ　——这可以用于判断一篇学术论未标签节点的类型—

１２７］

文的类型［或者判断一个手机用户是否产生了切１２８］

，换运营商（如从移动到联通）的念头［以及用于１２９］

，纠正观察到的网络结构中可能存在的错误［因

推荐某一时刻在某一个评价指标下表现更好的算法

［１６］

的结果．例如，就选择在某一ＤａｉｌＬｅａｒｎｅｒ系统１ｙ　

］时刻更可信的结果进行推荐，而文献［选择一个１１７与用户过去的打分相一致的结果进行推荐．另外常见的方法是在一种推荐算法的框架中嵌入另外的算

［１８］法作为某一个辅助部分．例如，利用Ｍｅｌｖｉｌｌｅ等１

基于文本分析的方法在协同过滤系统中用户的打分附加分高的用户的信息向量上增加一个附加打分，

［１９］优先推荐给其他用户；利用文本挖掘技Ａｃｉａｒ等１

为很多构建生物网络的实验中存在暧昧不清甚至自

１３０］

相矛盾的数据［．

链路预测的研究可以从理论上帮助认识复杂网络演化的机制．针对同一个或者同一类网络，很多模

５０，１３１］型都提供了可能的网络演化机制［由于刻画网．

术分析用户对产品的评论信息，提出基于知识和协同过滤的混合推荐系统．

　第２期汪秉宏，等：人类行为、复杂网络及信息挖掘的统计物理研究１１１　

络结构特征的统计量非常多，很难比较不同的机制孰优孰劣，链路预测机制有望为演化网络提供一个简单统一且较为公平的比较平台，从而大大推动复杂网络演化模型的理论研究．另外，如何刻画网络中

１３２］

，这个节点的相似性也是一个重大的理论问题［

１３３］

问题和网络聚类等应用息息相关［类似地，相似．

游走的相似性指标，并提出了两种局部随机游走指标，他们发现有限步的随机游走反而可以给出超过全局收敛后的预测精度，而最优的游走步数受到网络平均距离的强烈影响．另外，Ｈｕａｎｇ等的实验结果

１４３］

，在得到节点间的直接相似性后，利用协同暗示［

过滤技术对相似性指标进行一轮加权处理，一般而言可以得到更好的结果．

最近，最大似然估计方法被尝试应用于链路预

［４４］

，认为很多网络测中．ＣｌａｕｓｅｔＭｏｏｒｅ和Ｎｅｗｍａｎ１

只有能够快速准确地评估性的度量指标数不胜数，

某种相似性定义是否能够很好刻画一个给定网络节点间的关系，才能进一步研究网络特征对相似性指标选择的影响．在这个方面，链路预测可以起到核心技术的作用．链路预测问题本身也带来了有趣且有重要价值的理论问题，也就是通过构造网络系综并藉此利用最大似然估计的方法进行链路预测的可能性和可行性研究．这方面的研究对于链路预测本身可以起以及复杂网络研究理论基础的建立和完善，到推动和借鉴的作用．

近几年，基于节点相似性的链路预测框架受到了广泛的关注，在该框架中，两个节点之间相似性（或者相近性）越大，就认为它们之间存在链接的可尽管这个框架非常简单，但是相似性定义能性越大．

本身内涵丰富，它既可以是非常简单的共同邻居的也可以是包含了复杂数学物理内容的诸如随个数，

１３４］１３５］

或者矩阵森林数目［机游走的平均通讯时间［．

的连接可以看作某种内在层次结构的反映．基于此，他们提出了一种最大似然估计的算法进行链路预测，这种方法在处理具有明显层次组织的网络，如恐怖袭击网络和草原食物链，具有较好的精确度．Ｇｕｉ－［２９］

假设观察到的网络是一个随ｍｅｒａ和ＳａｌｅｓＰａｒｄｏ１－［４５］

）的一次实机分块模型（ｓｔｏｃｈａｓｔｉｃｂｌｏｃｋｍｏｄｅｌ１　　

现，在该模型中节点被分作若干的集合，两个节点间连接的概率只和相应的集合有关．Ｇｕｉｍｅｒａ和Ｓａｌｅｓ－［２９］

提出了基于随机分块模型的最大似然估计Ｐａｒｄｏ１

，方法，将其用于链路预测，可以得到比Ｃｌａｕｓｅｔ

Ｍｏｏｒｅ和Ｎｅｗｍａｎ更好的结果．

另外一个需要特别注意的趋势，是随着一些原来很从事复杂网络研究的学者对链路预测问题的关注，特别是社会网络分析中遇到的理论与方多复杂网络，

］１４６

法被应用到链路预测中．例如吕琳媛和周涛［发现

因此，这个简单的框架事实上提供了无穷无尽的可

［１３６］

将相似性指标能性．Ｌｉｂｅｎｏｗｅｌｌ和Ｋｌｅｉｎｂｅｒ－Ｎｇ

权重很小在针对某些含权网络进行链路预测的时候，的边反而起到了比高权重边更大的作用，这与社会网

］１４７

络研究中广为人知的“弱连接理论”［有深刻的关［］１４８

，联．ＬｅｓｋｏｖｅｃＨｕｔｔｅｎｌｏｃｈｅｒ和Ｋｌｅｉｎｂｅｒｇ则注意到］１４９－１５０

，社会平衡理论”的定量化研究成果［并了近期“

分为基于节点和基于路径两类，并分析了若干指标对社会合作网络中链路预测的效果．他们发现，在仅考虑节点邻居信息的若干指标中，ＡｄａｍｉｃＡｄａｒ参－１３７］１３８］

表现最好．周涛、吕琳媛和张翼成［在６种数［

不同网络中比较了９种局部相似性指标在链路预测并提出了两种新指标：资源分配指标（中的效果，ｒｅ－）和局部路径指标（ｓｏｕｒｃｅａｌｌｏｃａｔｉｏｎｉｎｄｅｘｌｏｃａｌａｔｈ　　　ｐ）研究发现，新提出来的这两种指标具有明显ｉｎｄｅｘ．好于包括ＡｄａｍｉｃＡｄａｒ参数在内的９种已知指标的－预测能力．最近其它小组的研究结果显示，新提出来的相似性指标在进行群落划分和含权网络权重设

１３９］

置［的时候也比原有指标好．吕琳媛、金慈航和周１４０］涛［进一步在噪音强度可控的网络模型与真实网

在此启发下设计了可以预测网络中的正负（友敌）链接的算法．

由于一方面受阻于网络节点外在属性在获取上的难度，另一方面受益于复杂网络研究的快速发展，链路预测问题的主要研究热点逐渐从依赖于节点属性的方法转移到只利用网络结构信息的方法上．显然，后者在理论上也更优美简洁．不过，这个方面的研究主要集中在社会网络上，尚欠对于大量算法在各种不同网络中预测能力的系统分析和总结．另外，目前还没有算法性能和网络结构特征之间关系的较对于比较复杂的网络，例如含权网络、深入的研究．

有向网络和多部分网络的讨论虽然有，但非常少，也不系统，相关的研究应该是近几年该方向的主流．

网络系综理论和与之关联的网络熵的概念以及最大似然估计方法有望推动形成复杂网络的统计力

络中细致分析了局部路径指标的性能，发现这个指如Ｋ标具有与依赖于网络全局结构信息的指标（ａｔｚ

１４１］

）参数［可匹敌的预测能力，甚至在噪声较大的情

况下可以比Ｋ局部路径指ａｔｚ参数预测得更加准确．标是一个计算量非常小的局部参数，其应用前景可

１４２］

观．刘伟平和吕琳媛［比较研究了一些基于随机

１１２　　　　　　　上海理工大学学报

－２１１．

２０１２年第３４卷　

学理论基础．这方面研究存在一个问题是熵的精确计算复杂性非常大，对于大规模网络而言往往不能实现．最近的一些链路预测算法已经应用了网络系综和最大似然的概念，但是这些算法计算复杂性很

１２９］

，精确性也不是很高［例如文献［的方法大，１４４］

［：２］ｌｉｖｅｉｒａＪＧ，ＢａｒａｂｓｉＡＬ．ＨｕｍａｎｄｎａｍｉｃｓＤａｒｗｉｎ　Ｏ　　　　　ｙ

，ａｔｔｅｒｎｓ［ａｎｄＥｉｎｓｔｅｉｎｃｏｒｒｅｓｏｎｄｅｎｃｅＪ］．Ｎａｔｕｒｅ　　　ｐｐ（）：２００５，４３７７０６３１２５１．

［３］ｌｅｒｏｕＶ，ＧｏｉｋｒｉｓｈｎａｎＰ，ＡｍａｒａｌＬＡＮ，ｅｔａｌ．　Ｐ　　　　　　ｐ

ｆｌｕｃｔｕａｔｉｏｎｓａｎｄａｎｏｍａｌｏｕｓｄｉｆｆｕｓｉｏｎ［Ｊ］．Ｅｃｏｎｏｍｉｃ　　　　（）：ＰｈｓＲｅｖＥ，２０００，６２３３０２３－３０２６．　　ｙ

［，４］ａｓｏｌｉｖｅｒＪＭｏｎｔｅｒｏＭ，ＷｅｉｓｓＧＨ．Ｃｏｎｔｉｎｕｏｕｓｔｉｍｅ　Ｍ　　　　－ａｌｋｍｏｄｅｌｆｏｒｆｉｎａｎｃｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｓ［Ｊ］．ｒａｎｄｏｍ－ｗ　　　　（）：ＰｈｓｉｃａｌＲｅｖｉｅｗＥ，２００３，６７２０２１１１２．　　ｙ

［５］ｏｌｉｔｉＭ，ＳｃａｌａｓＥ．Ｆｉｔｔｉｎｔｈｅｅｍｉｒｉｃａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆ　Ｐ　　　　　ｇｐ　

］／：ｄｕｒａｔｉｏｎｓ［Ｊ．ＰｈｓｉｃａＡ，２００８，３８７（８９）ｉｎｔｅｒｔｒａｄｅ　　ｙ２０２５－２０３４．

［６］ｉａｎＺＱ，Ｃｈｅｎｈｏｕｃａｌｉｎｎｈｅ　Ｊ　　Ｗ，Ｚ　Ｗ　Ｘ．Ｓ　ｔｇｇ　　ｉ

ｄｉｓｔｒｉｂｕｔｉｏｎｏｆｉｎｔｅｒｔｒａｄｅｄｕｒａｔｉｏｎｓｏｆＣｈｉｎｅｓｅｓｔｏｃｋｓ　　　　　　［］）：Ｊ．ＰｈｓｉｃａＡ，２００９，３８７（２３５８１８－５８２５．　ｙ

［，７］ｅｚｓＺＡｌｍａａｓＥ，ＬｕｋｃｓＡ，ｅｔａｌ．Ｄｎａｍｉｃｓｏｆ　Ｄ　　　　ｙ

［］ｉｎｆｏｒｍａｔｉｏｎａｃｃｅｓｓｏｎｔｈｅｗｅｂＪ．ＰｈｓｉｃａｌＲｅｖｉｅｗＥ，　　　　　　ｙ（）：２００６，７３６０６６１３２．

［８］ｏｎｃａｌｖｅｓＢ，ＲａｍａｓｃｏＪＪ．Ｈｕｍａｎｄｎａｍｉｃｓｒｅｖｅａｌｅｄ　Ｇ　　　　　ｙ

［］ｔｈｒｏｕｈＷｅｂａｎａｌｔｉｃｓＪ．ＰｈｓｉｃａｌＲｅｖｉｅｗＥ，２００８，７８　　　　ｙｙｇ（）：２０２６１２３．

［，９］ｈｏｕＴ，ＫｉｅｔＨＡＴ，ＫｉｍＢＪｅｔａｌ．Ｒｏｌｅｏｆａｃｔｉｖｉｔｉｎ　Ｚ　　　　　　　　　ｙ　

，ｈｕｍａｎｄｎａｍｉｃｓ［Ｊ］．ＥｕｒｏｈｓｉｃｓＬｅｔｔｅｒｓ２００８，８２　　ｙｐｙ（）：２２８００２．

［］１０ｕＨＢ，ＨａｎＤＹ．Ｅｍｉｒｉｃａｌａｎａｌｓｉｓｏｆｉｎｄｉｖｉｄｕａｌ　Ｈ　　　　　　　ｐｙ

ｏｕｌａｒｉｔａｎｄａｃｔｉｖｉｔｏｎａｎｏｎｌｉｎｅｍｕｓｉｃｓｅｒｖｉｃｅ　　　　　ｐｐｙｙ　　］（）：Ｊ．ＰｈｓｉｃａＡ，２００８，３８７２３５９１６－５９２１．ｓｓｔｅｍ［　ｙｙ

［］，１１ａｎｄｉａＪＧｏｎｚｌｅｚＭＣ，ＷａｎＰ，ｅｔａｌ．Ｕｎｃｏｖｅｒｉｎ　Ｃ　　　　ｇｇ　

ａｎｄｃｏｌｌｅｃｔｉｖｅｈｕｍａｎｄｎａｍｉｃｓｆｒｏｍ　ｍｏｂｉｌｅｉｎｄｉｖｉｄｕａｌ　　　　　ｙ［］ｒｅｃｏｒｄｓＪ．ＪｏｕｒｎａｌｏｆＰｈｓｉｃｓＡ：Ｍａｔｈｅｍａｔｉｃａｌｈｏｎｅ　　　　ｙｐ

，（）：ａｎｄＴｈｅｏｒｅｔｉｃａｌ２００８，４１２２２２４０１５．　

［］１２ｅｎｄｅｒｓｏｎＴ，ＮｈａｔｔｉＳ．Ｍｏｄｅｌｌｉｎｕｓｅｒｂｅｈａｖｉｏｒｉｎ　Ｈ　　　　ｇ　

／／ａｍｅｓ［Ｃ］Ｐｒｏｃ９ｔｈＡＣＭＩｎｔＣｏｎｆｏｎｎｅｔｗｏｒｋｅｄ　　　　　　ｇ：，Ｍｕｌｔｉｍｅｔｉａ．ＮｅｗＹｏｒｋＡＣＭＰｒｅｓｓ２００１：２１２．　　

［］１３ｒａｂｏｗｓｋｉＡ，ＫｒｕｓｚｅｗｓｋａＮ，ＫｏｓｉńｓｋｉＲＡ．Ｄｎａｍｉｃ　Ｇ　　　　ｙ

ｈｅｎｏｍｅｎａａｎｄｈｕｍａｎａｃｔｉｖｉｔｉｎａｎａｒｔｉｆｉｃｉａｌｓｏｃｉｅｔ　　　　　　ｐｙｙ　

［］（）：Ｊ．ＰｈｓｉｃａｌＲｅｖｉｅｗＥ，２００８，７８６０６６１１０．　　ｙ

［］１４ａｅｋＳＫ，ＫｉｍＴＹ，ＫｉｍＢＪ．Ｔｅｓｔｉｎａｐｒｉｏｒｉｔｂａｓｅｄ　Ｂ　　　　　　－ｇｙ　

ｕｅｕｅｍｏｄｅｌｗｉｔｈＬｉｎｕｘｃｏｍｍａｎｄｈｉｓｔｏｒｉｅｓ［Ｊ］．　　　　　ｑ

（）：Ａ，２００８，３８７１４３６６０－３６６８．Ｐｈｓｉｃａ　ｙ

［］，１５ｏｈＫＩＢａｒａｂｓｉＡＬ．Ｂｕｒｓｔｉｎｅｓｓａｎｄｍｅｍｏｒｉｎ　Ｇ　　　　　　ｙ　

ｃｏｍｌｅｘｓｓｔｅｍｓ［Ｊ］．ＥｕｒｏｈｓｉｃｓＬｅｔｔｅｒｓ．２００８，８１　　ｐｙｐｙ（）：４４８００２．

［］１６ｚｕｅｚＡ．ＥｘａｃｔｒｅｓｕｌｔｓｆｏｒｔｈｅＢａｒａｂáｓｉｍｏｄｅｌｏｆ　Ｖ　　　　　　　ｑ

］，ｈｕｍａｎｄｎａｍｉｃｓ［Ｊ．ＰｈｓｉｃａｌＲｅｖｉｅｗＬｅｔｔｅｒｓ２００５，　　　ｙｙ（）：９５２４２４８７１０．

［］，１７ｚｕｅｚＡ，ＯｌｉｖｅｉｒａＪＧ，ＤｅｚｓＺｅｔａｌ．Ｍｏｄｅｌｉｎ　Ｖ　　　　ｑｇ

目前只能处理数千节点的网络，且其预测效果对于作者认为以下不具有明确层次结构的网络并不好．

两个问题应该是目前国际上相关研究小组比较关注的：一是如何以网络系综理论为基础，建立网络链路预测的理论框架，并产生对实际预测有指导作用的理论结论，例如通过对网络结构的统计分析估算可预测的极限，指导选择不同的预测方法等；二是如何设计高效的算法来处理大规模网络的链路预测问网络系综理论和链路预测的深度结合很可能成题．

为西北大学研究组最近关注的焦点．

最近１复杂网络研究在很多科学分支，包０年，

１５１］

，括物理、生物、计算机等领域掀起高潮［其中相

当一部分研究立足于揭示网络演化的内在驱动因）仅以无标度网络（为例素．ｓｃａｌｅｆｒｅｅｎｅｔｗｏｒｋｓ－　）者愈富（机制ｅｔｒｉｃｈｒｉｃｈｅｒ－ｇ－［５６］

［１５２］

，

已经报道的可以产生幂律度分布的机制就包括了富

、好者变富（ｏｏｄ－ｇ

１５３］

）、机制［优化设计（驱ｅｔｒｉｃｈｅｒｏｔｉｍａｌｄｅｓｉｎ）－　ｇｐｇ

１５４］

、哈密顿动力学（驱动［Ｈａｍｉｌｔｏｎｉａｎｄｎａｍｉｃｓ）　ｙ１５５］１５６］、）、动［聚生（机制［稳ｍｅｒｉｎａｎｄｒｅｅｎｅｒａｔｉｏｎ　ｇｇｇ　１５７］

）驱动［等．可是，由定性（ｓｔａｂｉｌｉｔｃｏｎｓｔｒａｉｎｔｓｙ　

于刻画网络结构特征的统计指标非常多，很难比较和判定什么样的机制能够更好再现真实网络的生长特性．利用链路预测有望建立简单的比较平台，能够在知道目标网络演化情况的基础上量化比较各种不同机制对于真实生长行为的预测能力，从而可以大大推动复杂网络演化机制的相关研究．Ｇｕｉｍｅｒａ和ＳａｌｅｓＰａｒｄｏ在提到网络重建（ｎｅｔｗｏｒｋｒｅｃｏｎｓｔｒｕｃ－　－）的时候已经表达了相近的思想，但是这方面的ｔｉｏｎ研究尚未见报道．尽管有论文讨论了如何将链路预例如部分标号网测的方法和思想与一些应用问题，

１５８］１５９］

、络的节点类型预测［与信息推荐问题［相联系

的可能性与方法问题．但是，目前尚缺乏对于大规模这方面的真实数据在应用层面的深入分析和研究．研究不仅仅具有实用价值，而且有助于揭示链路预测这个问题本身存在的优势与局限性．

参考文献：

［１］ａｒａｂｓｉＡＬ．Ｔｈｅｏｒｉｉｎｏｆｂｕｒｓｔｓａｎｄｈｅａｖｔａｉｌｓｉｎ　Ｂ　　　　　　　　ｇｙ　

，：ｈｕｍａｎｄｎａｍｉｃｓ［Ｊ］．Ｎａｔｕｒｅ２００５，４３５（７０３９）２０７　ｙ

　第２期汪秉宏，等：人类行为、复杂网络及信息挖掘的统计物理研究

，（）：２００２，８８９０９７９０１．Ｌｅｔｔｅｒｓ

１１３　

［］ｂｕｒｓｔｓａｎｄｈｅａｖｔａｉｌｓｉｎｈｕｍａｎｄｎａｍｉｃｓＪ．Ｐｈｓｉｃａｌ　　　　　ｙｙｙ　（）：ＲｅｖｉｅｗＥ，２００６，７３３０３６１２７．　

［］ｅｒｃｏｌａｔｉｏｎ１８ａｂｒｉｅｌｌｉＡ，ＣａｌｄａｒｅｌｌｉＩｎｖａｓｉｏｎｎｄ　Ｇ　　Ｇ．　ｐ　ａ

ｔｒａｎｓｉｅｎｔｉｎｔｈｅＢａｒａｂáｓｉｍｏｄｅｌｏｆｈｕｍａｎｃｒｉｔｉｃａｌ　　　　　　　，ｄｎａｍｉｃｓ［Ｊ］．Ｐｈｓｉｃａｌｅｖｉｅｗｅｔｔｅｒｓ２００７，９８　Ｒ　Ｌｙｙ（）：２０２０８７０１．

［］１９ｌｉｖｅｉｒａＪＧ，ＶｚｕｅｚＡ．Ｉｍａｃｔｏｆｉｎｔｅｒａｃｔｉｏｎｓｏｎ　Ｏ　　　　　　ｑｐ

［］（／）：ｈｕｍａｎｄｎａｍｉｃｓＪ．ＰｈｓｉｃａＡ，２００９，３８８２３１８７－　　ｙｙ１９２．

［］［］２０áｚｕｅｚＡ．ＩｍａｃｔｏｆｍｅｍｏｒｏｎｈｕｍａｎｄｎａｍｉｃｓＪ．　Ｖ　　　　　ｑｐｙｙ　

ＰｈｓｉｃａＡ，２００７，３７３：７４７－７５２．　ｙ

［］２１ｅｓａｒＡ，ＨｉｄａｌｏＲ．Ｃｏｎｄｉｔｉｏｎｓｆｏｒｔｈｅｅｍｅｒｅｎｃｅｏｆ　Ｃ　　　　　　ｇｇ

ｓｃａｌｉｎｉｎｔｈｅｉｎｔｅｒｅｖｅｎｔｔｉｍｅｏｆｕｎｃｏｒｒｅｌａｔｅｄａｎｄ　　－　　　　ｇ　：ｓｓｔｅｍｓ［Ｊ］．ＰｈｓｉｃａＡ，２００６，３６９（２）８７７ｓｅａｓｏｎａｌ　　ｙｙ－８８３．

［］２２ａｌｍｒｅｎＲＤ，ＳｔｏｕｆｆｅｒＤＢ，ＭｏｔｔｅｒＡＥ，ｅｔａｌ．Ａ　Ｍ　　　　　　　ｇ

Ｐｏｉｓｓｏｎｉａｎｘｌａｎａｔｉｏｎｏｒｅａｖａｉｌｓｎａｉｌ　ｅ　ｆ　ｈ　ｉ　Ｅ－ｍｐｙ　ｔ，：ｃｏｍｍｕｎｉｃａｔｉｏｎ［Ｊ］．ＰＮＡＳ２００８，１０５（４７）１８１５３－１８１５８．

［］２３ｚｕｅｚＡ，Ｒｃｚｕｋｃｓｍａｃｔｆｏｎ　Ｖ　　Ｂ，Ｌ　Ａ．Ｉ　ｏ　ｎ－ｑｐ

Ｐｏｉｓｓｏｎｉａｎａｃｔｉｖｉｔｏｎｓｒｅａｄｉｎａｔｔｅｒｎｓｒｏｃｅｓｓｅｓ　　　ｙｐｇｐｐ　　［］，（）：Ｊ．ＰｈｓｉｃａｌＲｅｖｉｅｗＬｅｔｔｅｒｓ２００７，９８１５１５８７０２．　　ｙ

［］２４ｒｏｃｋｍａｎｎＤ，ＨｕｆｎａｅｌＬ，ＧｅｉｓｅｌＴ．Ｔｈｅｓｃａｌｉｎｌａｗｓ　Ｂ　　　　ｇｇ　

，：ｏｆｈｕｍａｎｔｒａｖｅｌ［Ｊ］．Ｎａｔｕｒｅ２００６，４３９（７０７５）４６２　　－４６５．

［］，，２５ｏｎｚａｌｅｚＭＣＨｉｄａｌｏＣＡＢａｒａｂáｓｉＡＬ．Ｕｎｄｅｒｓｔａｎｄｉｎ　Ｇ　　　　　　ｇｇ

］，，ｉｎｄｉｖｉｄｕａｌｈｕｍａｎｍｏｂｉｌｉｔａｔｔｅｒｎｓ［Ｊ．Ｎａｔｕｒｅ２００８４５３　　ｙｐ　（）：７１９６７７９－７８２．

［］，，２６ｈｅｅＩＳｈｉｎＭ，ＨｏｎＳｅｔａｌ．Ｏｎｔｈｅｌｅｖａｌｋｎａｔｕｒｅ　Ｒ　　　　　－ｗ　ｇｙ　

／／ＰｏｆｈｕｍａｎｍｏｂｉｌｉｔＣ］ｒｏｃｅｅｄｉｎｓｏｆＩＮＦＯＣＯＭ　　　　ｙ［ｇ：，ＩＥＥＥＰｒｅｓｓ２００８：９２４－９３２．２００８．Ｐｈｏｅｎｉｘ　

［］，２７ａｒｔｕｍｅｕｓＦ，ＰｅｔｅｒｓＦ，ＰｕｅｏＳｅｔａｌ．ＨｅｌｉｃａｌＬéｖ　Ｂ　　　　　ｙｙ

：ａｄｕｓｔｉｎｅａｒｃｈｉｎｔａｔｉｓｔｉｃｓｏｅｓｏｕｒｃｅｗａｌｋｓ　ｔ　ｒｊｇｇ　ｓ　ｓ］，ｉｎｍｉｃｒｏｚｏｏｌａｎｋｔｏｎ［Ｊ．ＰＮＡＳ２００３，１００ａｖａｉｌａｂｉｌｉｔ　ｐｙ　（）：２２１２７７１－１２７７５．

［］２８ａｍｏｓＦｅｒｎａｎｄｅｚＧ，ＭａｔｅｏｓＪＬ，ＭｉｒａｍｏｎｔｅｓＯ，ｅｔａｌ．　Ｒ－　　　　　

Ｌéｖｗａｌｋａｔｔｅｒｎｓｉｎｔｈｅｆｏｒａｉｎｍｏｖｅｍｅｎｔｓｏｆ　　　　　ｙｐｇｇ　　）［ｅｏｆｆｒｏｉｓｉｄｅｒｍｏｎｋｅｓ（ＡｔｅｌｅｓＪ］．Ｂｅｈａｖｉｏｒａｌ　　ｙｇｙｐ

，（）：ＥｃｏｌｏａｎｄＳｏｃｉｏｂｉｏｌｏ２００４，５５３２２３－２３０．　ｇｙｇｙ　

［］，２９ｉｍｓＤ　Ｗ，ＳｏｕｔｈａｌｌＥＪＨｕｍｈｒｉｅｓＮＥ，ｅｔａｌ．Ｓｃａｌｉｎ　Ｓ　　　　　　ｐｇ

［］，ｏｆｍａｒｉｎｅｒｅｄａｔｏｒｓｅａｒｃｈｂｅｈａｖｉｏｕｒＪ．Ｎａｔｕｒｅｌａｗｓ　　　　　ｐ（）：２００８，４５１７１８２１０９８－１１０２．

［］，３０ｉｓｗａｎａｔｈａｎＧ　Ｍ，ＢｕｌｄｒｅｖＳＶ，ＨａｖｌｉｎＳｅｔａｌ．　Ｖ　　　　　ｙ

Ｏｔｉｍｉｚｉｎｔｈｅｕｃｃｅｓｓｆａｎｄｏｍｅａｒｃｈｅｓ［Ｊ］．　ｓ　ｏ　ｒ　ｓｐｇ　，（）：Ｎａｔｕｒｅ１９９９，４０１６７５６９１１－９１４．

［］，３１ａｒｔｕｍｅｕｓＦ，ＣａｔａｌａｎＪＦｕｌｃｏＵＬ，ｅｔａｌ．Ｏｔｉｍｉｚｉｎ　Ｂ　　　　　ｐｇ

：ｔｈｅｅｎｃｏｕｎｔｅｒｒａｔｅｉｎｂｉｏｌｏｉｃａｌｉｎｔｅｒａｃｔｉｏｎｓＬéｖ　　　　　ｇｙｖｅｒｓｕｓｒｏｗｎｉａｎｔｒａｔｅｉｅｓ［Ｊ］．Ｐｈｓｉｃａｌｅｖｉｅｗ　Ｂ　ｓ　Ｒｇｙ

［］ａｔｔｅｒｎｓ３２ｅｎｏｌｄｓＡ　Ｍ．Ｓｃａｌｅｆｒｅｅｍｏｖｅｍｅｎｔａｒｉｓｉｎ　Ｒ　－　　　ｐｙｇ

［］ｆｒｏｍｏｌｆａｃｔｏｒｄｒｉｖｅｎｆｏｒａｉｎＪ．ＰｈｓｉｃａｌＲｅｖｉｅｗＥ，　－　　　ｙｇｇｙ（）：２００５，７２４０４１９２８．

［］３３ａｎｔｏｓＭＣ，ＢｏｅｒＤ，ＭｉｒａｍｏｎｔｅｓＯ，ｅｔａｌ．Ｏｒｉｉｎｏｆ　Ｓ　　　　　　ｙｇ

：ｌａｗｄｉｓｔｒｉｂｕｔｉｏｎｓｉｎｄｅｔｅｒｍｉｎｉｓｔｉｃｗａｌｋｓｔｈｅｏｗｅｒ－　　　　ｐ

］ｉｎｆｌｕｅｎｃｅｏｆｌａｎｄｓｃａｅｅｏｍｅｔｒＪ．ＰｈｓｉｃａｌＲｅｖｉｅｗ　　　　ｐｇｙ［ｙ（）：Ｅ，２００７，７５６０６１１１４．

［］３４ａｎｅｔｔｅＤＨ．Ｄｎａｍｉｃｓｏｆｒｕｍｏｒｒｏａａｔｉｏｎｏｎｓｍａｌｌ　Ｚ　　　　　　　－ｙｐｐｇ

［］（）：ｗｏｒｌｄｎｅｔｗｏｒｋｓＪ．ＰｈＲｅｖＥ，２００２，６５４０４１９０８．　　ｙ　

［］３５ａｒｓａｉＭ，ＫｉｖｅｌＭ，ＰａｎＲＫ，ｅｔａｌ．Ｓｍａｌｌｂｕｔｓｌｏｗ　Ｋ　　　　　　

：ｈｏｗｎｅｔｗｏｒｋｔｏｏｌｏａｎｄｂｕｒｓｔｉｎｅｓｓｓｌｏｗｗｏｒｌｄ　　　　ｐｇｙ　［］（）：ｄｏｗｎｓｒｅａｄｉｎＪ．ＰｈＲｅｖＥ，２０１１，８３２０２５１０２．　　ｐｇｙ　

［］３６ａｎＺ，ＣｕｉＡＸ，ＺｈｏｕＴ．Ｉｍａｃｔｏｆｈｅｔｅｒｏｅｎｅｏｕｓ　Ｙ　　　　　ｇｐｇ　

［］ｈｕｍａｎａｃｔｉｖｉｔｉｅｓｏｎｅｉｄｅｍｉｃｓｒｅａｄｉｎＪ．ＰｈｓｉｃａＡ，　　　　　ｐｐｇｙ（／）：２０１０，３９０２３２４４５４３－４５４８．

［］，ａｔｔｅｒｎｓ３７ｉＳＷｅｎＷ．Ｉｍａｃｔｏｆｔｒａｖｅｌｏｎｅｉｄｅｍｉｃ　Ｎ　　　　　　ｐｇｐｐ　

ｄｎａｍｉｃｓｎｅｔｅｒｏｅｎｅｏｕｓａｔｉａｌｅｔａｏｕｌａｔｉｏｎ　ｉ　ｈ　ｓ　ｍｙｇｐｐｐ［］（）：ｎｅｔｗｏｒｋｓＪ．ＰｈｓＲｅｖＥ，２００９，７９１０１６１１１．　　ｙ

［］３８ｕｆｎａｅｌＬ，ＢｒｏｃｋｍａｎｎＤ，ＧｅｉｓｅｌＴ．Ｆｏｒｅｃａｓｔａｎｄ　Ｈ　　　　ｇ

］，ｃｏｎｔｒｏｌｏｆｅｉｄｅｍｉｃｓｉｎａｗｏｒｌｄ［Ｊ．ＰＮＡＳｌｏｂａｌｉｚｅｄ　　　　　　ｐｇ（）：２００４，１０１４２１５１２４－１５２１９．

［］３９ｏｌｉｚｚａＶ，ＢａｒｒａｔＡ，ＢａｒｔｈｅｌｅｍＭ，ｅｔａｌ．Ｔｈｅｒｏｌｅｏｆ　Ｃ　　　　　ｙ　

ｔｈｅａｉｒｌｉｎｅｔｒａｎｓｏｒｔａｔｉｏｎｎｅｔｗｏｒｋｉｎｔｈｅｒｅｄｉｃｔｉｏｎ　　　　　　ｐｐ［］，ａｎｄｒｅｄｉｃｔａｂｉｌｉｔｏｆｌｏｂａｌｅｉｄｅｍｉｃｓＪ．ＰＮＡＳ２００６，　　　ｐｙｇｐ　（）：１０３７２０１５－２０２０．

［］］在线电影点播中的人类动力学模式［复杂系４０Ｊ．　周涛．

（）：统与复杂性科学，２００８，５１１－５．

［］４１ｏｎＷ，ＨａｎＸＰ，ＺｈｏｕＴ，ｅｔａｌ．Ｈｅａｖｔａｉｌｅｄｓｔａｔｉｓｔｉｃｓ　Ｈ　　　　－　ｇｙ　

］，ｉｎｓｈｏｒｔｅｓｓａｅｃｏｍｍｕｎｉｃａｔｉｏｎ［Ｊ．ＣｈｉｎＰｈｓＬｅｔｔ　－ｍ　　　ｇｙ（）：２００９，２６２２８９０２．

［］张宁，周涛．人类通信模式中基于时间统计的４２　李楠楠，

］：实证研究［复杂系统与复杂性科学，Ｊ．２００８，５（３）４３－４７．

［］４３ｉＮＮ，ＺｈａｎＺｈｏｕｍｉｒｉｃａｌｎａｌｓｉｓｎ　Ｌ　　　Ｔ．Ｅ　ａ　ｏｇｐｙ　Ｎ，

ｔｅｍｏｒａｌｓｔａｔｉｓｔｉｃｓｏｆｈｕｍａｎｃｏｒｒｅｓｏｎｄｅｎｃｅａｔｔｅｒｎｓ．　　　　　ｐｐｐ［］（）：Ｊ．ＰｈｓｉｃａＡ，２００８，３８７２５６３９１－６３９４．　ｙ

［］周涛，汪秉宏．基于自适应调节的人类动力学４４　韩筱璞，

］（）：模型［复杂系统与复杂性科学，Ｊ．２００７，４４１－５．

［］４５ａｎＸＰ，Ｚｈｏｕａｎｏｄｅｌｉｎｕｍａｎ　Ｈ　　　Ｔ，Ｗ　Ｈ．Ｍｇｇ　Ｂ　ｈ

ｗｉｔｈａｄａｔｉｖｅｉｎｔｅｒｅｓｔ［Ｊ］．ＮｅｗＪｏｕｒｎａｌｏｆｄｎａｍｉｃｓ　　　　　ｐｙ

，（）：２００８，１０７０７３０１０．Ｐｈｓｉｃｓｙ

［］周涛，张宁．人类动力学基本概念与实证分析４６　李楠楠，

［］（）：复杂系统与复杂性科学，Ｊ．２００８，５２１５－２４．

［］周涛，李季明，等．人类动力学模型［香４７Ｍ］．　郭进利，

港：上海系统科学出版社，２００８．

［］４８ｈｏｕＴ，Ｈａｎａｎｏｗａｒｄｓｈｅ　Ｚ　　Ｘ　Ｐ，Ｗ　Ｈ．Ｔ　ｔｇ　Ｂ

［／／ＢｕｎｄｅｒｓｔａｎｄｉｎｏｆｈｕｍａｎｄｎａｍｉｃｓＭ］ｕｒｕｅｔｅＭ，　　　ｇｙｇ　

１１４　　　　　　　上海理工大学学报２０１２年第３４卷　

—ＨＬａｍｅｄｓＬ．ＳｃｉｅｎｃｅＭａｔｔｅｒｓｕｍａｎｉｔｉｅｓａｓＣｏｍｌｅｘ　　　　　ｐ：，Ｓｓｔｅｍｓ．ＳｉｎａｏｒｅＷｏｒｌｄＳｃｉｅｎｔｉｆｉｃＰｕｂｌｉｓｈｉｎ２００８：　　ｙｇｐｇ２０７－２３３．

［］４９ｌｂｅｒｔＲ，Ｂａｒａｂｓｉｔａｔｉｓｔｉｃａｌｅｃｈａｎｉｃｓｆ　Ａ　　Ａ　Ｌ．Ｓ　ｍ　ｏ

［］，：ｃｏｍｌｅｘｎｅｔｗｏｒｋｓＪ．ＲｅｖＭｏｄＰｈｓ２００２，７４（１）４７　　　ｐｙ－９７．

［］，５０ｏｃｃａｌｅｔｔｉＳＬａｔｏｒａＶ，ＭｏｒｅｎｏＹ，ｅｔａｌ．Ｃｏｍｌｅｘ　Ｂ　　　　ｐ

：ｓｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅｎｄｎａｍｉｃｓ［Ｊ］．Ｐｈｓｉｃｓ　ａ　ｄｙｙ，（／）：２００６，４２４４５１７５－３０８．Ｒｅｏｒｔｓｐ

［］５１ｅｏｎＨ，ＭａｓｏｎＳＰ，ＢａｒａｂáｓｉＡＬ，ｅｔａｌ．Ｌｅｔｈａｌｉｔａｎｄ　Ｊ　　　　　ｇｙ　　

］，ｒｏｔｅｉｎｃｅｎｔｒａｌｉｔｉｎｎｅｔｗｏｒｋｓ［Ｊ．Ｎａｔｕｒｅ２００１，４１１　　ｐｙ　（）：６８３３４１－４２．

［］５２ｅｏｎＨ，ＴｏｍｂｏｒＢ，ＡｌｂｅｒｔＲ，ｅｔａｌ．Ｔｈｅｌａｒｅｓｃａｌｅ　Ｊ　　　　－ｇｇ　

［］，ｏｆｍｅｔａｂｏｌｉｃｎｅｔｗｏｒｋｓＪ．Ｎａｔｕｒｅ２０００，ｏｒａｎｉｚａｔｉｏｎ　　　ｇ

（）：４０７６８０４６５１－６５４．

［］５３ｄａｍｉｃＬＡ，ＨｕｂｅｒｍａｎＢＡ．Ｐｏｗｅｒｌａｗｄｉｓｔｒｉｂｕｔｉｏｎｏｆ　Ａ　　　　－　　

，２ｔｈｅｏｒｌｄｉｄｅｅｂ［Ｊ］．Ｓｃｉｅｎｃｅ０００，２８７　ｅ　ｗ　ｗ（）：５４６１２１１５．

［］，５４ａｔｔｓＤＪＳｔｒｏａｔｚＳＨ．Ｃｏｌｌｅｃｔｉｖｅｄｎａｍｉｃｓｏｆｓｍａｌｌ　Ｗ　　　　　　　－ｇｙ

，：ｗｏｒｌｄｎｅｔｗｏｒｋｓ［Ｊ］．Ｎａｔｕｒｅ１９９８，３９３（６６８４）４４０　－４４２．

［］５５ａｒａｂｓｉＡＬ，Ａｌｂｅｒｔｍｅｒｅｎｃｅｆｃａｌｉｎｎ　Ｂ　　　Ｒ．Ｅ　ｏ　ｓｇｇ　ｉ

］，：ｎｅｔｗｏｒｋｓ［Ｊ．Ｓｃｉｅｎｃｅ１９９９，２８６（５４３９）５０９ｒａｎｄｏｍ　－５１２．

［］５６ｃａｎｎｅｌｌＪＷ，ＢｕｒｎｓＧＡＰＣ，ＨｉｌｅｔａＣＣ，ｅｔａｌ．Ｔｈｅ　Ｓ　　　　　　　　ｇｇ　

ｃｏｎｎｅｃｔｉｏｎａｌｒａｎｉｚａｔｉｏｎｆｈｅｏｒｔｉｃｏｔｈａｌａｍｉｃ　ｏ　ｏ　ｔ　ｃ－ｇ［］，：ｓｓｔｅｍｏｆｔｈｅｃａｔＪ．ＣｅｒｅｂｒａｌＣｏｒｔｅｘ１９９９，９（３）　　　　ｙ

２７７－２９９．

［］，５７ｏｒｎｓＯ，ＣｈｉａｌｖｏＤＲ，ＫａｉｓｅｒＭ，ｅｔａｌ．Ｏｒａｎｉｚａｔｉｏｎ　Ｓ　　　　　ｐｇ

ｄｅｖｅｌｏｍｅｎｔａｎｄｆｕｎｃｔｉｏｎｏｆｃｏｍｌｅｘｂｒａｉｎｎｅｔｗｏｒｋｓ　　　　　　ｐｐ［］，：Ｊ．ＴｒｅｎｄｓｉｎＣｏｎｉｔｉｖｅＳｃｉｅｎｃｅｓ２００４，８（９）４１８　　　ｇ－４２５．

［］，５８ｏｔｔｅｒＡＥ，ＭａｔｉａｓＭ　Ａ，ＫｕｒｔｈｓＪｅｔａｌ．Ｄｎａｍｉｃｓｏｎ　Ｍ　　　　　　ｙ

ｎｅｔｗｏｒｋｓａｎｄａｌｉｃａｔｉｏｎｓ［Ｊ］．ＰｈｓｉｃａＤ，ｃｏｍｌｅｘ　　　　ｐｐｙｐ／）：２００６，２２４（１２０６１２０６８．

［］：５９ｎｅｌＡＫ，ＦｒｉｅｓＰ，ＳｉｎｅｒＷ．Ｄｎａｍｉｃｒｅｄｉｃｔｉｏｎｓ　Ｅ　　　　　ｇｇｙｐ

［］ｏｓｃｉｌｌａｔｉｏｎｓａｎｄｓｎｃｈｒｏｎｉｎｔｏｄｏｗｎｒｏｃｅｓｓｉｎＪ．　　　－　ｙｙｐｐｇ　，：ＮａｔｕｒｅＲｅｖｉｅｗｓｅｕｒｏｓｃｉｅｎｃｅ２００１，２（１０）７０４　　Ｎ－７１６．

［］：６０ｒｉｅｓＰ．Ａｍｅｃｈａｎｉｓｍｆｏｒｃｏｎｉｔｉｖｅｄｎａｍｉｃｓｎｅｕｒｏｎａｌ　Ｆ　　　ｇｙ

ｈｒｏｕｈｅｕｒｏｎａｌｏｈｅｒｅｎｃｅ［Ｊ］．ｃｏｍｍｕｎｉｃａｔｉｏｎ　ｔ　ｎ　ｃｇ，（）：ｉｎＣｏｎｉｔｉｖｅＳｃｉｅｎｃｅｓ２００５，９１０４７４－４８０．Ｔｒｅｎｄｓ　　　ｇ

［］，ｅ６１ｒｅｎａｓＡ，Ｄíａｚｕｉｌｅｒａｕｒｔｈｓｔｌ．　Ａ　－Ｇ　Ａ，Ｋ　Ｊ　ａ

Ｓｎｃｈｒｏｎｉｚａｔｉｏｎｉｎｃｏｍｌｅｘｎｅｔｗｏｒｋｓ［Ｊ］．Ｐｈｓｉｃｓ　　　ｙｐｙ，（）：Ｒｅｏｒｔｓ２００８，４６９３９３－１５３．ｐ

［］６２ｏｒｉＨ，Ｍｉｋｈａｉｌｏｖ．Ｅｎｔｒａｉｎｍｅｎｔｆａｎｄｏｍｌ　Ｋ　　Ａ　Ｓ　ｏ　ｒｙ

］ｃｏｕｌｅｄｏｓｃｉｌｌａｔｏｒｎｅｔｗｏｒｋｓｂａｐａｃｅｍａｋｅｒ［Ｊ．Ｐｈｓ　　　ｐｙｙ　，（）：ＲｅｖＬｅｔｔ２００４，９３２５２５４１０１．　

［］６３ｏｒｉＨ，ＭｉｋｈａｉｌｏｖＡＳ．Ｓｔｒｏｎｅｆｆｅｃｔｓｏｆｎｅｔｗｏｒｋ　Ｋ　　　　　ｇ　

ａｒｃｈｉｔｅｃｔｕｒｅｉｎｔｈｅｅｎｔｒａｉｎｍｅｎｔｏｆｃｏｕｌｅｄｏｓｃｉｌｌａｔｏｒ　　　　　　ｐ［］（）：ｓｓｔｅｍｓＪ．ＰｈｓＲｅｖＥ，２００６，７４６０６６１１５．　　ｙｙ［］６４ｉｓｓＩＺ，Ｒｕｓｉｎｏｒｉｅｔｌ．Ｅｎｉｎｅｅｒｉｎ　Ｋ　　　Ｃ　Ｇ，Ｋ　Ｈ，　ａｇｇ

：ｃｏｍｌｅｘｄｎａｍｉｃａｌｓｔｒｕｃｔｕｒｅｓｓｅｕｅｎｔｉａｌａｎｄａｔｔｅｒｎｓ　　　　ｐｙｑｐ［］，：ｄｅｓｎｃｈｒｏｎｉｚａｔｉｏｎＪ．Ｓｃｉｅｎｃｅ２００７，３１６（５８３３）１８８６ｙ－１８８９．

［］６５ａｒａｈｏｎａＭ，ＰｅｃｏｒａＬＭ．Ｓｎｃｈｒｏｎｉｚａｔｉｏｎｉｎｓｍａｌｌ　Ｂ　　　　　－ｙ

，２ｗｏｒｌｄｓｔｅｍｓ［Ｊ］．Ｐｈｓｅｖｅｔｔ００２，８９　ｓ　Ｒ　Ｌｙｙ（）：５０５４１０１．

［］６６ｉｓｈｉｋａｗａＴ，ＭｏｔｔｅｒＡＥ，ＬａｉＹＣ，ｅｔａｌ．Ｈｅｔｅｒｏｅｎｅｉｔ　Ｎ　　　　　　ｇｙ

：ｏｓｃｉｌｌａｔｏｒｎｅｔｗｏｒｋｓａｒｅｓｍａｌｌｅｒｗｏｒｌｄｅａｓｉｅｒｔｏｉｎ　　　　　　［］，（）：ｓｎｃｈｒｏｎｉｚｅＪ．ＰｈｓＲｅｖＬｅｔｔ２００３，９１１０１４１０１．　　ｙｙ［］，６７ｗａｎＤＵ，ＣｈａｖｅｚＭ，ＡｍａｎｎＡｅｔａｌ．Ｓｎｃｈｒｏｎｉｚａｔｉｏｎｉｎ　Ｈ　　　　　ｇｙ　

］，ｃｏｍｌｅｘｎｅｔｗｏｒｋｓｗｉｔｈａｅｏｒｄｅｒｉｎＪ．ＰｈｓＲｅｖＬｅｔｔ　　　　　　ｇｇ［ｙｐ，（）：２００５９４１３１３８７０１．

［］，６８ｈａｖｅｚＭ，ＨｗａｎＤＵ，ＡｍａｎｎＡｅｔａｌ．Ｓｎｃｈｒｏｎｉｚａｔｉｏｎｉｓ　Ｃ　　　　　ｇｙ　

］ｅｎｈａｎｃｅｄｉｎｗｅｉｈｔｅｄｃｏｍｌｅｘｎｅｔｗｏｒｋｓ［Ｊ．ＰｈｓＲｅｖ　　　　　ｇｐｙ，，（）：２００５９４２１２１８７０１．Ｌｅｔｔ

［］６９ｈａｏＭ，Ｚｈｏｕａｎｔｌ．Ｅｎｈａｎｃｅｄ　Ｚ　　Ｔ，Ｗ　Ｈ，ｅ　ａｇ　Ｂ

［］ｂｓｔｒｕｃｔｕｒａｌｅｒｔｕｒｂａｔｉｏｎｓＪ．Ｐｈｓｓｎｃｈｒｏｎｉｚａｂｉｌｉｔ　ｙｙｙｐｙ　　（）：ＲｅｖＥ，２００５，７２５０５７１０２．　

［］，７０ｕＹＦＺｈａｏＭ，ＺｈｏｕＴ，ｅｔａｌ．Ｅｎｈａｎｃｅｓｎｃｈｒｏｎｉｚａｂｉｌｉｔ　Ｌ　　　　　　ｙｙ

，，ｖｉａａｅｂａｓｅｄｏｕｌｉｎＪ］．Ｐｈｓｅｖ２００７７６　－　ｃ　Ｒ　Ｅｇｐｇ［ｙ（）：５０５７１０３．

［］，，，７１ｏｎｅｔｔｉＬＨｕｒｔａｄｏＰＩＭｕｎｏｚＭ　Ａ．Ｅｎｔａｎｌｅｄｎｅｔｗｏｒｋｓ　Ｄ　　　　　ｇ

，［］ｓｎｃｈｒｏｎｉｚａｔｉｏｎａｎｄｏｔｉｍａｌｎｅｔｗｏｒｋｔｏｏｌｏＪ．ＰｈｓＲｅｖ　　　　ｙｐｐｇｙｙ，，（）：ｌｅｔｔ２００５９５１８１８８７０１．

［］，７２ｅｗｍａｎＭ　ＥＪＧｉｒｖａｎＭ．Ｆｉｎｄｉｎａｎｄｅｖａｌｕａｔｉｎ　Ｎ　　　　ｇｇ　

ｃｏｍｍｕｎｉｔｓｔｒｕｃｔｕｒｅｉｎｎｅｔｗｏｒｋｓ［Ｊ］．ＰｈｓＲｅｖＥ，　　　　ｙｙ　（）：２００４，６９２０２６１１３．

［］，，７３ａｌｌａＧ，ＤｅｒéｎｉＩＦａｒｋａｓＩｅｔａｌ．Ｕｎｃｏｖｅｒｉｎｔｈｅ　Ｐ　　　　ｙｇ　

ｏｖｅｒｌａｉｎｃｏｍｍｕｎｉｔｓｔｒｕｃｔｕｒｅｏｆｃｏｍｌｅｘｎｅｔｗｏｒｋｓ　　　ｐｐｇｙｐ　　］，：ｉｎｎａｔｕｒｅａｎｄｓｏｃｉｅｔＪ．Ｎａｔｕｒｅ２００５，４３５（７０４３）　　　ｙ［８１４－８１８．

［］，７４ａｎｏｎＬ，ＤíａｚｕｉｌｅｒａＡ，ＤｕｃｈＪｅｔａｌ．Ｃｏｍａｒｉｎ　Ｄ　－Ａ　　　ｇｐｇ

ｃｏｍｍｕｎｉｔｓｔｒｕｃｔｕｒｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌｏｆ　　ｙ　：，ＳｔａｔｉｓｔｉｃａｌＭｅｃｈａｎｉｃｓＴｈｅｏｒａｎｄＥｘｅｒｉｍｅｎｔ２００５，　　ｙｐ　（）：２００５９Ｐ０９００８．

［］，７５ａｒｋａｓＩｂｅｌＤ，ＰａｌｌａＧ，ｅｔａｌ．Ｗｅｉｈｔｅｄｎｅｔｗｏｒｋ　Ｆ　　　　　ｇ

［］，（）：ｍｏｄｕｌｅｓＪ．ＮｅｗＪｏｕｒｎａｌｏｆＰｈｓｉｃｓ２００７，９６１８０．　　　ｙ

［］７６ｕａｎＬ，Ｐａｒｋａｉｔｌ．Ａｂｎｏｒｍａｌ　Ｈ　Ｋ，Ｌ　Ｙ　Ｃ，ｅ　ａｇ　

ｓｎｃｈｒｏｎｉｚａｔｉｏｎｉｎｃｏｍｌｅｘｃｌｕｓｔｅｒｅｄｎｅｔｗｏｒｋｓ［Ｊ］．　　　　ｙｐ，（）：ＲｅｖＬｅｔｔ２００６，９７１６１６４１０１．Ｐｈｓ　　ｙ

［］，Ｍ７７óｍｅｚａｒｄｅｎｅｓＪｏｒｅｎｏｒｅｎａｓＰａｔｈｓｏ　Ｇ－Ｇ　　Ｙ，Ａ　Ａ．　ｔ

ｓｎｃｈｒｏｎｉｚａｔｉｏｎｏｎｃｏｍｌｅｘｎｅｔｗｏｒｋｓ［Ｊ］．ＰｈｓＲｅｖ　　　　ｙｐｙ，（）：Ｌｅｔｔ２００７，９８３０３４１０１．

［］，，７８óｍｅｚａｒｄｅｎｅｓＪＭｏｒｅｎｏＹＡｒｅｎａｓＡ．Ｓｎｃｈｒｏｎｉｚａｂｉｌｉｔ　Ｇ－Ｇ　　　ｙｙ

　第２期汪秉宏，等：人类行为、复杂网络及信息挖掘的统计物理研究１１５　

ｄｅｔｅｒｍｉｎｅｄｂｃｏｕｌｉｎｓｔｒｅｎｔｈｓａｎｄｔｏｏｌｏｏｎｃｏｍｌｅｘ　　　　ｙｐｇｇｐｇｙｐ　　　［］，，（）：ｎｅｔｗｏｒｋｓＪ．ＰｈｓＲｅｖＥ２００７７５６０６６１０６．　　ｙ

［］，７９ｏｃｃａｌｅｔｔｉＳＩｖａｎｃｈｅｎｋｏＭ，ＬａｔｏｒａＶ，ｅｔａｌ．Ｄｅｔｅｃｔｉｎ　Ｂ　　　　ｇ

ｎｅｔｗｏｒｋｍｏｄｕｌａｒｉｔｂｄｎａｍｉｃａｌｃｌｕｓｔｅｒｉｎｃｏｍｌｅｘ　　　ｙｙｙｇｐ　　［］（）：Ｊ．ＰｈｓＲｅｖＥ，２００７，７５４０４５１０２．　　ｙ

［］８０ｈＥ，ＲｈｏＫ，ＨｏｎＨ，ｅｔａｌ．Ｍｏｄｕｌａｒｓｎｃｈｒｏｎｉｚａｔｉｏｎ　Ｏ　　　　ｇｙ　

ｉｎｃｏｍｌｅｘｎｅｔｗｏｒｋｓ［Ｊ］．ＰｈｓＲｅｖＥ，２００５，７２　　　　ｐｙ（）：４０４７１０１．

［］８１ｈＥ，ＣｈｏｉＣ，ＫａｈｎＢ，ｅｔａｌ．Ｍｏｄｕｌａｒｓｎｃｈｒｏｎｉｚａｔｉｏｎ　Ｏ　　　　ｇｙ　

ｉｎｃｏｍｌｅｘｎｅｔｗｏｒｋｓｗｉｔｈａＫｕｒａｍｏｔｏｍｏｄｅｌａｕｅ　　　　　　　ｐｇｇ［］，（）：Ｊ．ＥｕｒｏｈｓＬｅｔｔ２００８，８３６６８００３．　ｐｙ

［］，８２ＩｔｏＪＫａｎｅｋｏＫ．Ｓｏｎｔａｎｅｏｕｓｓｔｒｕｃｔｕｒｅｆｏｒｍａｔｉｏｎｉｎａ　　　　　　　ｐ

ｎｅｔｗｏｒｋｏｆｃｈａｏｔｉｃｕｎｉｔｓｗｉｔｈｖａｒｉａｂｌｅｃｏｎｎｅｃｔｉｏｎ　　　　　　［］，（）：Ｊ．ＰｈｓＲｅｖＬｅｔｔ２００１，８８２０２８７０１．ｓｔｒｅｎｔｈｓ　　ｙｇ［］８３ｒｏｓｓＴ，ＤｏｍｍａｒＤＬＣ，ＢｌａｓｉｕｓＢ．Ｅｉｄｅｍｉｃｄｎａｍｉｃｓ　Ｇ　　　　　　ｐｙ

］，ａｎａｄａｔｉｖｅｎｅｔｗｏｒｋ［Ｊ．ＰｈｓＲｅｖＬｅｔｔ２００６，９６ｏｎ　　　　　ｐｙ（）：２０２０８７０１．

［］，８４ｈｏｕＣＳＫｕｒｔｈｓＪ．Ｄｎａｍｉｃａｌｗｅｉｈｔｓａｎｄｅｎｈａｎｃｅｄ　Ｚ　　　　　　ｙｇ

ｓｎｃｈｒｏｎｉｚａｔｉｏｎｉｎａｄａｔｉｖｅｃｏｍｌｅｘｎｅｔｗｏｒｋｓ［Ｊ］．　　　　ｙｐｐ，（）：ＰｈｓＲｅｖＬｅｔｔ２００６，９６１６１６４１０２．　　ｙ

［］，８５ａｓｓｅｔｔＤＳＢｕｌｌｍｏｒｅＥ．Ｓｍａｌｌｏｒｌｄｂｒａｉｎｎｅｔｗｏｒｋｓ　Ｂ　　　－ｗ　　

［］，（）：Ｊ．ＴｈｅＮｅｕｒｏｓｃｉｅｎｔｉｓｔ２００６，１２６５２１－５２３．　

［］：８６ｕｌｌｍｏｒｅＥ，ＳｏｒｎｓＯ．Ｃｏｍｌｅｘｂｒａｉｎｎｅｔｗｏｒｋｓｒａｈ　Ｂ　　　　ｐｐｇｐ

ｔｈｅｏｒｅｔｉｃａｌａｎａｌｓｉｓｏｆｔｈｅｓｔｒｕｃｔｕｒａｌａｎｄｆｕｎｃｔｉｏｎａｌ　　　　　　ｙ［］，ｓｓｔｅｍｓＪ．ＮａｔｕｒｅＲｅｖｉｅｗｓＮｅｕｒｏｓｃｉｅｎｃｅ２００９，１０　　ｙ

（）：３１８６－１９８．

［］８７ａｉｓｅｒＭ，ＨｉｌｅｔａＣＣ．Ｅｄｅｖｕｌｎｅｒａｂｉｌｉｔｉｎｎｅｕｒａｌ　Ｋ　　　　ｇｇｇｙ　　

］，ｍｅｔａｂｏｌｉｃｎｅｔｗｏｒｋｓ［Ｊ．ＢｉｏｌｏｉｃａｌＣｂｅｒｎｅｔｉｃｓａｎｄ　　　ｇｙ（）：２００４，９０５３１１－３１７．

［］ａｔｔｅｒｎｓ８８ｔａｍＣＪ．Ｆｕｎｃｔｉｏｎａｌｃｏｎｎｅｃｔｉｖｉｔｏｆｈｕｍａｎ　Ｓ　　　　　ｐｙ　

：ｅｃｏｒｄｉｎｓａｍａｌｌｏｒｌｄｍａｎｅｔｏｅｎｃｅｈａｌｏｒａｈｉｃ　ｒ　ｓ－ｗｇｇｐｇｐ［］，（／）：ｎｅｔｗｏｒｋＪ．ＮｅｕｒｏｓｃｉＬｅｔｔ２００４，３５５１２２５－２８．　

［］，８９ｔａｍＣＪｄｅＢｒｕｉｎＥＡ．Ｓｃａｌｅｆｒｅｅｄｎａｍｉｃｓｏｆｌｏｂａｌ　Ｓ　　　　　－　　　ｇｙ

［］ｃｏｎｎｅｃｔｉｖｉｔｉｎｔｈｅｈｕｍａｎｂｒａｉｎＪ．Ｈｕｍａｎｆｕｎｃｔｉｏｎａｌ　　　　ｙ　，（）：ＢｒａｉｎＭａｉｎ２００４，２２２９７－１０９．　ｐｐｇ

［］，Ｃ９０ａｌｖａｄｏｒＲ，Ｓｕｃｋｌｉｎｏｌｅｍａｎｔｌ．　Ｓ　　Ｍ　Ｒ，ｅ　ａｇ　Ｊ

Ｎｅｕｒｏｈｓｉｏｌｏｉｃａｌａｒｃｈｉｔｅｃｔｕｒｅｏｆｆｕｎｃｔｉｏｎａｌｍａｎｅｔｉｃ　　　　ｐｙｇｇ］，ｒｅｓｏｎａｎｃｅｉｍａｅｓｏｆｈｕｍａｎｂｒａｉｎ［Ｊ．ＣｅｒｅｂＣｏｒｔｅｘ　　　　　ｇ（）：２００５，１５９１３３２－１３４２．

［］９１ｏｘＭ　Ｄ，ＳｎｄｅｒＡＺ，ＶｉｎｃｅｎｔＪＬ，ｅｔａｌ．Ｔｈｅｈｕｍａｎ　Ｆ　　　　　　　ｙ

，ｓｎｔｒｉｎｓｉｃａｌｌｒａｎｉｚｅｄｎｔｏｎａｍｉｃｂｒａｉｎ　ｉ　ｉ　ｉ　ｄｙｇｙ　ｏ，ａｎｔｉｃｏｒｒｅｌａｔｅｄｆｕｎｃｔｉｏｎａｌｎｅｔｗｏｒｋｓ［Ｊ］．ＰＮＡＳ２００５，　　（）：１０２２７９６７３－９６７８．

［］９２ｏｍｅｌｓｄｏｒｆＴ，ＳｃｈｏｆｆｅｌｅｎＪＭ，ＯｏｓｔｅｎｖｅｌｄＲ，ｅｔａｌ．　Ｗ　　　　　

Ｍｏｄｕｌａｔｉｏｎｏｆｎｅｕｒｏｎａｌｉｎｔｅｒａｃｔｉｏｎｓｔｈｒｏｕｈｎｅｕｒｏｎａｌ　　　　　ｇ］，：ｓｎｃｈｒｏｎｉｚａｔｉｏｎ［Ｊ．Ｓｃｉｅｎｃｅ２００７，３１６（５８３１）１６０９ｙ－１６１２．

［］９３ａａｌｍａｎｎＹＢ，ＰｉａｒｅｖＩＮ，ＶｉｄａｓａａｒＴＲ．Ｎｅｕｒａｌ　Ｓ　　　　　　ｇｙｇ

：ｈｆｉｓｕａｌｔｔｅｎｔｉｏｎｏｗｏｄｏｗｎｍｅｃｈａｎｉｓｍｓ　ｏ　ｖ　ａ　ｔ－ｐ，ｆｅｅｄｂａｃｋｈｉｈｌｉｈｔｓｒｅｌｅｖａｎｔｌｏｃａｔｉｏｎｓ［Ｊ］．Ｓｃｉｅｎｃｅ　　　ｇｇ（）：２００７，３１６５８３１１６１２－１６１５．

［］，９４ｕｓｃｈｍａｎＴＪＭｉｌｌｅｒＥＫ．Ｔｏｄｏｗｎｖｅｒｓｕｓｂｏｔｔｏｍ　Ｂ　　　　－　　－ｐ

ｕｃｏｎｔｒｏｌｏｆａｔｔｅｎｔｉｏｎｉｎｔｈｅｒｅｆｒｏｎｔａｌａｎｄｏｓｔｅｒｉｏｒ　　　　　　　ｐｐｐ　

］，：ｃｏｒｔｉｃｅｓ［Ｊ．Ｓｃｉｅｎｃｅ２００７，３１５（５８２０）１８６０ａｒｉｅｔａｌ　ｐ－１８６２．

［］９５ｈａｎＧＱ，ＺｈａｎＧＱ，ＹａｎＱＦ，ｅｔａｌ．Ｅｖｏｌｕｔｉｏｎｏｆ　Ｚ　　　　　ｇｇｇ　　　

［］，ＩｎｔｅｒｎｅｔａｎｄｉｔｓｃｏｒｅｓＪ．ＮｅｗＪｏｕｒｎａｌｏｆＰｈｓｉｃｓｔｈｅ　　　　　　　ｙ（）：２００８，１０１２１２３０２７

［］９６ｒｏｄｅｒＡ，ＫｕｍａｒＲ，ＭｏｈｏｕｌＦ，ｅｔａｌ．Ｇｒａｈｓｔｒｕｃｔｕｒｅ　Ｂ　　　　　ｇｐ

［］，：ｔｈｅｗｅｂＪ．ＣｏｍｕｔｅｒＮｅｔｗｏｒｋｓ２０００，３３（１）３０９ｉｎ　　　ｐ－３２０

［］９７ｄｏｍａｖｉｃｉｕｓＧ，Ｔｕｚｈｉｌｉｎｏｗａｒｄｈｅｅｘｔ　Ａ　　Ａ．Ｔ　ｔ　ｎ

：ｅｎｅｒａｔｉｏｎｏｆｒｅｃｏｍｍｅｎｄｅｒｓｓｔｅｍｓａｓｕｒｖｅｏｆｔｈｅ　　　　　ｇｙｙ　ｏｆｔｈｅａｒｔａｎｄｏｓｓｉｂｌｅｅｘｔｅｎｓｉｏｎｓ［Ｊ］．ＩＥＥＥｓｔａｔｅ－－－　　　ｐ，ＴｒａｎｓａｃｔｉｏｎｓｏｎＫｎｏｗｌｅｄｅａｎｄＤａｔａＥｎｉｎｅｅｒｉｎ　　　　　ｇｇｇ（）：２００５，１７６７３４－７４９．

［］９８ｅｓｎｉｃｋＰ，ＶａｒｉａｎＨＲ．Ｒｅｃｏｍｍｅｎｄｅｒｓｓｔｅｍｓ［Ｊ］．　Ｒ　　　　ｙ

（）：ＣｏｍｍｕｎｉｃａｔｉｏｎｓｏｆｔｈｅＡＣＭ，１９９７，４０３５６－５８．　　　

［］９９ｅｒｌｏｃｋｅｒＪＬ，ＫｏｎｓｔａｎＪＡ，ＴｅｒｖｅｅｎＬＧ，ｅｔａｌ．　Ｈ　　　　　　　

Ｅｖａｌｕａｔｉｎｏｌｌａｂｏｒａｔｉｖｅｉｌｔｅｒｉｎｅｃｏｍｍｅｎｄｅｒ　ｆｇｇ　ｃ　ｒＪ］．ＡＣＭ　Ｔｒａｎｓａｃｔｉｏｎｓｎｎｆｏｒｍａｔｉｏｎｓｓｔｅｍｓ［　ｏ　Ｉｙ

，（）：Ｓｓｔｅｍｓ２００４，２２１５－５３．ｙ

［］］１００ｉｃｈＥ．Ｕｓｅｒｍｏｄｅｌｉｎｖｉａｓｔｅｒｅｏｔｅｓ［Ｊ．Ｃｏｎｉｔｉｖｅ　Ｒ　　　ｇｙｐｇ　

，（）：Ｓｃｉｅｎｃｅ１９７９，３４３２９－３５４．

［］１０１ｏｌｄｂｅｒＤ，Ｎｉｃｈｏｌｓｋｉｔｌ．Ｕｓｉｎ　Ｇ　Ｄ，Ｏ　Ｂ　Ｍ，ｅ　ａｇｇ　

ｉｌｔｅｒｉｎｏｅａｖｅｎｎｆｏｒｍａｔｉｏｎｃｏｌｌａｂｏｒａｔｉｖｅ　ｆ　ｗ　ａ　ｉｇ　ｔｔａｅｓｔｒＪ］．ＣｏｍｍｕｎｉｃａｔｉｏｎｓｏｆｔｈｅＡＣＭ，１９９２，３５　　　ｐｙ［（）：１２６１－７０．

［］：１０２ｏｎｓｔａｎＪＡ，ＭｉｌｌｅｒＢＮ，ＭａｌｔｚＤ，ｅｔａｌ．ＧｒｏｕＬｅｎｓ　Ｋ　　　　　　ｐ

ａｌｉｎｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｔｏｕｓｅｎｅｔｎｅｗｓ［Ｊ］．　　　ｐｐｙｇｇ　　（）：ｏｆｔｈｅＡＣＭ，１９９７，４０３７７－８７．Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　　　

［］：１０３ｈａｒｄａｎａｎｄＵ，ＭａｅｓＰ．Ｓｏｃｉａｌｉｎｆｏｒｍａｔｉｏｎｆｉｌｔｅｒｉｎ　Ｓ　　　　ｇ

”［／／’ａｌｏｒｉｔｈｍｓｆｏｒａｕｔｏｍａｔｉｎｗｏｒｄｏｆｍｏｕｔｈＣ］ＣＨＩ　　　　ｇｇ“９５ＰｒｏｃｅｅｄｉｎｓｏｆｔｈｅＳＩＧＣＨＩＣｏｎｆｅｒｅｎｃｅｏｎＨｕｍａｎ　　　　　　　ｇ：ＡＦａｃｔｏｒｓｎｏｍｕｔｉｎｓｔｅｍｓ．ＮｅｗｏｒｋＣＭ　ｉ　Ｃ　Ｙｐｇｙ　Ｓ，Ｐｒｅｓｓ１９９５：２１０－２１７．

［］，：１０４ｉｎｄｅｎＧ，ＳｍｉｔｈＢＹｏｒｋＪ．Ａｍａｚｏｎ．ｃｏｍｒｅｃｏｍｍｅｎｄａｔｉｏｎｓ　Ｌ　　　　

ｉｔｅｍｔｏｉｔｅｍｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎＪ］．ＩＥＥＥＩｎｔｅｒｎｅｔ－－　　　ｇ［，，（）：２００３７１７６－８０．Ｃｏｍｕｔｉｎｐｇ

［］１０５ｅｌｋｉｎＮ，Ｃｒｏｆｔｎｆｏｒｍａｔｉｏｎｉｌｔｅｒｉｎｎｄ　Ｂ　　Ｂ．Ｉ　ｆｇ　ａ

ｉｎｆｏｒｍａｔｉｏｎｒｅｔｒｉｅｖａｌ［Ｊ］．Ｃｏｍｍｕｎｉｃａｔｉｏｎｓｆｈｅ　　ｏ　ｔ（）：ＡＣＭ，１９９２，３５１２２９－３７．

［］：ｃ，１０６ａｌａｂａｎｏｖｉｃＭ，Ｓｈｏｈａｍａｂｏｎｔｅｎｔｂａｓｅｄ　Ｂ　　Ｙ．Ｆ－］ｃｏｌｌａｂｏｒａｔｉｖｅｒｅｃｏｍｍｅｎｄａｔｉｏｎ［Ｊ．Ｃｏｍｍｕｎｉｃａｔｉｏｎｓｏｆ　　（）：ｔｈｅＡＣＭ，１９９７，４０３６６－７２　

［］１０７ａｚｚａｎｉＭ，Ｂｉｌｌｓｕｓｅａｒｎｉｎｎｄｅｖｉｓｉｎｓｅｒ　Ｐ　　Ｄ．Ｌ　ｒｇｇ　ａ　ｕ

１１６　　　　　　　上海理工大学学报２０１２年第３４卷　

：［］ｒｏｆｉｌｅｓｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｉｎｔｅｒｅｓｔｉｎｗｅｂｓｉｔｅｓＪ．　　　　ｐｇ　，（）：ＭａｃｈｉｎｅＬｅａｒｎｉｎ１９９７，２７３３１３－３３１　ｇ

［］１０８ｏｍｌｏＧＬ，Ｈｏｗｅｄａｔｉｖｅｉｈｔｗｅｉｈｔｅｘｔ　Ｓ　　　Ａ　Ｅ．Ａ　ｌ　ｔｐｇｇ

，Ｊ］．ＬｅｃｔｕｒｅＮｏｔｅｓｉｎＣｏｍｕｔｅｒＳｃｉｅｎｃｅｆｉｌｔｅｒｉｎ　　　　ｐｇ［２００１，２１８９：３１９－３２９

［］，１０９ｈａｎＹ，ＣａｌｌａｎＪＭｉｎｋａＴ．Ｎｏｖｅｌｔａｎｄｒｅｄｕｎｄａｎｃ　Ｚ　　　ｇｙｙ　　

［／／ｄｅｔｅｃｔｉｏｎｉｎａｄａｔｉｖｅｆｉｌｔｅｒｉｎＣ］Ｐｒｏｃｅｅｄｉｎｓｏｆｔｈｅ　　　　　ｐｇｇ２５ｔｈＡｎｎｕａｌＩｎｔｅｒｎａｔｉｏｎａｌＡＣＭＳＩＧＩＲＣｏｎｆｅｒｅｎｃｅｏｎ　　　　　　ａｎｄＤｅｖｅｌｏｍｅｎｔｉｎＩｎｆｏｒｍａｔｉｏｎＲｅｔｒｉｅｖａｌ．Ｒｅｓｅａｒｃｈ　　　　　ｐ：，ＮｅｗＹｏｒｋＡＣＭＰｒｅｓｓ２００２：８１－８８．　　

［］，１１０ｈａｎＹＩＳｈｅｎＪＨ，ＣｈｅｎＴＩ．Ａｄａｔａｍｉｎｉｎｂａｓｅｄ　Ｃ　　　　　　　－ｇｇ　

ｆｏｒｈｅｎｃｒｅｍｅｎｔａｌｄａｔｅｆｓｕｏｒｔｉｎｍｅｔｈｏｄ　　ｔ　ｉ　ｕ　ｏ　ｐｐｐｇｅｒｓｏｎａｌｉｚｅｄｉｎｆｏｒｍａｔｉｏｎｉｌｔｅｒｉｎＪ］．Ｊｏｕｒｎａｌｆ　　ｆ　ｏｐｇ［，：ＳｃｉｅｎｃｅａｎｄＥｎｉｎｅｅｒｉｎ２００８，２４（１）Ｉｎｆｏｒｍａｔｉｏｎ　　　ｇｇ１２９－１４２

［］１１１ｅｅｍｍｉｓＭ，Ｌｏｓｅｍｅｒａｒｏｏｎｔｅｎｔ　Ｄ　　Ｐ，Ｓ　Ｇ．Ａ　ｃ－ｇｐ

ｃｏｌｌａｂｏｒａｔｉｖｅｒｅｃｏｍｍｅｎｄｅｒｈａｔｘｌｏｉｔｓｏｒｄＮｅｔ　　ｔ　ｅ　Ｗ－ｐｒｏｆｉｌｅｓｂａｓｅｄｕｓｅｒｆｏｒｎｅｉｈｂｏｒｈｏｏｄｆｏｒｍａｔｉｏｎ［Ｊ］．　　　　　ｐｇ，ＵｓｅｒＭｏｄｅｌｉｎａｎｄＵｓｅｒｄａｔｅｄＩｎｔｅｒａｃｔｉｏｎ２００７，１７　　－Ａ　ｇｐ　（）：３２１７－２５５

［］齐红，刘杰，等．结合似然关系模型和用户等级１１２　高滢，

］的协同过滤推荐算法［计算机研究与发展，Ｊ．２００７，（）：４４６１０４４－１０５２．

［］１１３ｏｓｈｉｉＫ，ＧｏｔｏＭ，ＫｏｍａｔａｎｉＫ，ｅｔａｌ．Ａｎｅｆｆｉｃｉｅｎｔ　Ｙ　　　　　

ｈｂｒｉｄｕｓｉｃｅｃｏｍｍｅｎｄｅｒｓｔｅｍｓｉｎｎ　ｍ　ｒ　ｓ　ｕｙｙｇ　ａｉｎｃｒｅｍｅｎｔａｌｌｔｒａｉｎａｂｌｅｍｏｄｅｌｒｏｂａｂｉｌｉｓｔｉｃｅｎｅｒａｔｉｖｅ　　　ｙｐｇ　［］Ｊ．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＡｕｄｉｏＳｅｅｃｈａｎｄＬａｎｕａｅ　　　　　　ｐｇｇ，（）：２００８，１６２４３５－４４７．Ｐｒｏｃｅｓｓｉｎｇ

［］１１４ｉｒａｒｄｉＲ，ＭａｒｉｎｈｏＬＢ．ＡｄｏｍａｉｎｍｏｄｅｌｏｆＷｅｂ　Ｇ　　　　　　　

ｒｅｃｏｍｍｅｎｄｅｒｓｓｔｅｍｓｂａｓｅｄｏｎｕｓａｅｍｉｎｉｎａｎｄ　　　　　ｙｇｇ　］，ｆｉｌｔｅｒｉｎＪ．ＲｅｕｉｒｅｍｅｎｔｓＥｎｉｎｅｅｒｉｎｃｏｌｌａｂｏｒａｔｉｖｅ　　ｇ［ｑｇｇ（）：２００７，１２１２３－４０．

［］，１１５ａｚｚａｎｉＭＪ．Ａｆｒａｍｅｗｏｒｋｆｏｒｃｏｌｌａｂｏｒａｔｉｖｅｃｏｎｔｅｎｔ　Ｐ　　　　　－，ａｂａｓｅｄｎｄｅｍｏｒａｈｉｃｉｌｔｅｒｉｎＪ］．Ａｒｔｉｆｉｃｉａｌ　ｄ　ｆｇｐｇ［（／）：ＩｎｔｅｌｌｉｅｎｃｅＲｅｖｉｅｗ，１９９９，１３５６３９３－４０８．　ｇ［］１１６ｉｌｌｓｕｓＤ，ＰａｚｚａｎｉＭＪ．Ｕｓｅｒｍｏｄｅｌｉｎｆｏｒａｄａｔｉｖｅ　Ｂ　　　　　ｇｐ　

ｎｅｗｓａｃｃｅｓｓ［Ｊ］．ＵｓｅｒＭｏｄｅｌｉｎａｎｄＱｓｅｒｄａｔｅｄ　　　－Ａｇｐ　

，（／）：Ｉｎｔｅｒａｃｔｉｏｎ２０００，１０２３１４７－１８０．［］１１７ｒａｎＴ，ＣｏｈｅｎＲ．Ｈｂｒｉｄｒｅｃｏｍｍｅｎｄｅｒｓｓｔｅｍｓｆｏｒ　Ｔ　　　　　ｙｙ

／／ｅｌｅｃｔｒｏｎｉｃｏｍｍｅｒｃｅ［Ｃ］Ｐｒｏｃｎｏｗｌｅｄｅａｓｅｄ　ｃ　Ｋ－Ｂｇ：，Ｍａｒｋｅｔｓ．ＰａｌｏＡｌｔｏＡＡＡＩＰｒｅｓｓ２０００：７８Ｅｌｅｃｔｒｏｎｉｃ　　　－８３．

［］，，１１８ｅｌｖｉｌｌｅＰＭｏｏｎｅＲＪＮａａｒａａｎＲ．Ｃｏｎｔｅｎｔｂｏｏｓｔｅｄ　Ｍ　　　－ｙｇｊ　

［］／／ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｆｏｒｉｍｒｏｖｅｄｒｅｃｏｍｍｅｎｄａｔｉｏｎｓＣ　　　ｇｐ　Ｐｒｏｃｅｅｄｉｎｓｏｆｔｈｅ２００１ＳＩＧＩＲ　ＷｏｒｋｓｈｏｏｎＲｅｃｏｍｍｅｎｄｅｒ　　　　　ｇｐ　：，：Ｓｓｔｅｍｓ．ＰａｌｏＡｌｔｏＡＡＡＩＰｒｅｓｓ２００２１８７－１９２．　　ｙ

［］，，：１１９ｃｉａｒＳＺｈａｎＤ，ＳｉｍｏｆｆＳｅｔａｌ．Ｉｎｆｏｒｍｅｄｒｅｃｏｍｍｅｎｄｅｒ　Ａ　　　　ｇ　

［］ｂａｓｉｎｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｏｎｃｏｎｓｕｍｅｒｒｏｄｕｃｔｒｅｖｉｅｗｓＪ．　　　　ｇｐ　

，，（）：ＩｎｔｅｌｌｉｅｎｔＳｓｔｅｍｓ２００７２２３３９－４７．ＩＥＥＥ　　ｇｙ

［］：］１２０ｅｔｏｏｒＬ，ＤｉｅｈｌＣＰ．ＬｉｎｋｍｉｎｉｎａｓｕｒｖｅＪ．ＡＣＭ　Ｇ　　　　　ｇｙ［

，（）：ＳＩＧＫＤＤＥｘｌｏｒａｔｉｏｎｓＮｅｗｓｌｅｔｔｅｒ２００５，７２３－１２．　　ｐ

［］ｕａｌｉｔ１２１ｕＨ，ＢｒａｕｎＰ，Ｙｉｌｄｉｎｍ　Ｍ　Ａ，ｅｔａｌ．Ｈｉｈｂｉｎａｒ　Ｙ　　　－ｑｙｇｙ　

ｒｏｔｅｉｎｉｎｔｅｒａｃｔｉｏｎａｆｈｅｅａｓｔｎｔｅｒａｃｔｏｍｅ　　ｍ　ｔ　ｙ　ｉｐｐ　ｏ［］，（）：Ｊ．Ｓｃｉｅｎｃｅ２００８，３２２５８９８１０４－１１０．ｎｅｔｗｏｒｋ

［］１２２ｔｕｍｆＭＰＨ，ＴｈｏｒｎｅＴ，ｄｅＳｉｌｖａＥ，ｅｔａｌ．Ｅｓｔｉｍａｔｉｎ　Ｓ　　　　　　　ｐｇ

］，ｔｈｅｓｉｚｅｏｆｔｈｅｈｕｍａｎｉｎｔｅｒａｃｔｏｍｅ［Ｊ．ＰＮＡＳ２００８，　　　　　（）：１０５１９６９５９－６９６４．

［］］１２３ｍａｒａｌＬＡＮ．Ａｔｒｕｅｒｍｅａｓｕｒｅｏｆｏｕｒｉｎｏｒａｎｃｅ［Ｊ．　Ａ　　　　　　　　ｇ

，（）：ＰＮＡＳ２００８，１０５１９６７９５－６７９６．

［］：１２４ｃｈａｆｅｒＪＬ，ＧｒａｈａｍＪＷ．Ｍｉｓｓｉｎｄａｔａｏｕｒｖｉｅｗｏｆ　Ｓ　　　　　　ｇ　

［］，ｔｈｅｓｔａｔｅｏｆｔｈｅａｒｔＪ．ＰｓｃｈｏｌｏｉｃａｌＭｅｔｈｏｄｓ２００２，７　　　　　ｙｇ（）：２１４７－１７７．

［］１２５ｏｓｓｉｎｅｔｓＧ．Ｅｆｆｅｃｔｓｏｆｍｉｓｓｉｎｄａｔａｉｎｓｏｃｉａｌｎｅｔｗｏｒｋｓ　Ｋ　　　　　　ｇ　

［］，（）：Ｊ．ＳｏｃｉａｌＮｅｔｗｏｒｋｓ２００６，２８３２４７－２６８．　

［］，Ｔ１２６ｕｍａｒＲ，Ｎｏｖａｋｏｍｋｉｎｓｔｒｕｃｔｕｒｅｎｄ　Ｋ　　Ｊ　Ａ．Ｓ　ａ

／／ｅｖｏｌｕｔｉｏｎｏｆｏｎｌｉｎｅｓｏｃｉａｌｎｅｔｗｏｒｋｓ［Ｃ］Ｐｒｏｃｅｅｄｉｎｓ　　　　ｇｏｆｔｈｅ１２ｔｈＡＣＭＳＩＧＫＤＤＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎ　　　　　　　：ＫｎｏｗｌｅｄｅＤｉｓｃｏｖｅｒａｎｄＤａｔａｍｉｎｉｎ．ＮｅｗＹｏｒｋ　　　　ｇｙｇ　，ＡＣＭＰｒｅｓｓ２００６：６１１－６１７．　

［］，１２７ａｌｌａｈｅｒＢＴｏｎＨ，ＥｌｉａｓｓｉａｄＴ，ｅｔａｌ．Ｕｓｉｎｅｄｅｓｈｏｓｔ　Ｇ　－Ｒ　　　ｇｇｇｇｇ　　

／／ｃｌａｓｓｉｆｉｃａｔｉｏｎｉｎｓａｒｓｅｌｌａｂｅｌｅｄｎｅｔｗｏｒｋｓ［Ｃ］ｆｏｒ　　　　ｐｙ　Ｐｒｏｃｅｅｄｉｎｓｏｆｈｅ１４ｔｈＣＭＩＧＫＤＤｎｔｅｒｎａｔｉｏｎａｌ　　ｔ　　Ａ　Ｓ　ＩｇＣｏｎｆｅｒｅｎｃｅｏｎＫｎｏｗｌｅｄｅＤｉｓｃｏｖｅｒａｎｄＤａｔａＭｉｎｉｎ．Ｎｅｗ　　　　　ｇｙｇ　：，：ＹｏｒｋＡＣＭＰｒｅｓｓ２００８２５６－２６４．　

［］１２８ａｓｕｔａＫ，ＳｉｎｈＲ，ＶｉｓｗａｎａｔｈａｎＢ，ｅｔａｌ．Ｓｏｃｉａｌｔｉｅｓ　Ｄ　　　　　ｇｐｇ

ｔｈｅｉｒｅｌｅｖａｎｃｅｏｈｕｒｎｎｏｂｉｌｅｅｌｅｃｏｍａｎｄ　　ｒ　ｔ　ｃ　ｉ　ｍ　ｔ［／／ＰｎｅｔｗｏｒｋｓＣ］ｒｏｃｅｅｄｉｎｓｏｆｔｈｅ１１ｔｈＩｎｔｅｒｎａｔｉｏｎａｌ　　　　ｇ：Ｃｏｎｆｅｒｅｎｃｅｎｘｔｅｎｄｉｎａｔａｂａｓｅｅｃｈｎｏｌｏ　ｏ　Ｅ　Ｔｇｇｙ　Ｄ：ＡｄｖａｎｃｅｓｉｎＤａｔａｂａｓｅＴｅｃｈｎｏｌｏ．ＮｅｗＹｏｒｋＡＣＭ　　　　ｇｙ，Ｐｒｅｓｓ２００８：６６８－６７７．

［］１２９ｕｉｍｅｒａＲ，ＳａｌｅｓＰａｒｄｏｉｓｓｉｎｎｄｕｒｉｏｕｓ　Ｇ　－　Ｍ．Ｍ　ｓｇｐ　ａ

ｎｄｈｅｅｃｏｎｓｔｒｕｃｔｉｏｎｆｏｍｌｅｘｉｎｔｅｒａｃｔｉｏｎｓ　ａ　ｔ　ｒ　ｏ　ｃｐ［］，）：ｎｅｔｗｏｒｋｓＪ．ＰＮＡＳ２００９，１０６（５２２２０７３－２２０７８．

［］１３０ｏｎＭｅｒｉｎＣ，ＫｒａｕｓｅＲ，ＳｎｅｌＢ，ｅｔａｌ．Ｃｏｍａｒａｔｉｖｅ　ｖ　　　　ｇｐ　

ａｓｓｅｓｓｍｅｎｔｏｆｌａｒｅｓｃａｌｅｄａｔａｓｅｔｓｏｆｒｏｔｅｉｎｒｏｔｅｉｎ　　－　　　　－ｇｐｐ［］，（）：ｉｎｔｅｒａｃｔｉｏｎｓＪ．Ｎａｔｕｒｅ２００２，４１７６８８７３９９－４０３．［］１３１ｏｒｏｏｖｔｓｅｖＳＮ，Ｍｅｎｄｅｓｖｏｌｕｔｉｏｎｆ　Ｄ　　　Ｊ　Ｆ　Ｆ．Ｅ　ｏｇ

［］，：ｎｅｔｗｏｒｋｓＪ．ＡｄｖａｎｃｅｓｉｎＰｈｓｉｃｓ２００２，５１（４）１０７９　　ｙ－１１８７．

［］１３２ｅｉｃｈｔＥＡ，Ｈｏｌｍｅｅｗｍａｎ．Ｖｅｒｔｅｘ　Ｌ　　　Ｐ，Ｎ　Ｍ　Ｅ　Ｊ

ｓｉｍｉｌａｒｉｔｉｎｎｅｔｗｏｒｋｓ［Ｊ］．ＰｈｓＲｅｖＥ，２００６，７３　　　ｙｙ　（）：２０２６１２０．

［］１３３ａｎＹ，ＬｉＤＨ，ＬｉｕＪＧ，ｅｔａｌ．Ｄｅｔｅｃｔｉｎｃｏｍｍｕｎｉｔ　Ｐ　　　　　　ｇｙ　

［］ｓｔｒｕｃｔｕｒｅｉｎｃｏｍｌｅｘｎｅｔｗｏｒｋｓｖｉａｎｏｄｅｓｉｍｉｌａｒｉｔＪ．　　　　　　ｐｙ（）：ＰｈｓｉｃａＡ，２０１０，３８９１４２８４９－２８５７．　ｙ

［］１３４ｏｕｓｓＦ，ＰｉｒｏｔｔｅＡ，ＲｅｎｄｅｒｓＪＭ，ｅｔａｌ．Ｒａｎｄｏｍ－ｗａｌｋ　Ｆ　　　　　

　第２期汪秉宏，等：人类行为、复杂网络及信息挖掘的统计物理研究１１７　

ｃｏｍｕｔａｔｉｏｎｏｆｓｉｍｉｌａｒｉｔｉｅｓｂｅｔｗｅｅｎｎｏｄｅｓｏｆａｒａｈ　　　　　　　ｐｇｐ］ｗｉｔｈａｌｉｃａｔｉｏｎｔｏｃｏｌｌａｂｏｒａｔｉｖｅｒｅｃｏｍｍｅｎｄａｔｉｏｎ［Ｊ．　　　　ｐｐＩＥＥＥｒａｎｓａｃｔｉｏｎｓｎｎｏｗｌｅｄｅｎｄａｔａ　Ｔ　ｏ　Ｋ　ａ　Ｄｇ，（）：２００７，１９３３５５－３６９．Ｅｎｉｎｅｅｒｉｎｇｇ

［］１３５ｈｅｂｏｔａｒｅｖＰ，ＳｈａｍｉｓＥ．Ｔｈｅｍａｔｒｉｘｆｏｒｅｓｔｔｈｅｏｒｅｍ　Ｃ　　　－　

ａｎｄｒｏｕｓ［ｍｅａｓｕｒｉｎｒｅｌａｔｉｏｎｓｉｎｓｍａｌｌｓｏｃｉａｌＪ］．　　　　　ｇｐｇ　，：ａｎｄＲｅｍｏｔｅＣｏｎｔｒｏｌ１９９７，５８（２）１５０５Ａｕｔｏｍａｔｉｏｎ　　　－１５１４．

［］ｒｅｄｉｃｔｉｏｎ１３６ｉｂｅｎｏｗｅｌｌＤ，Ｋｌｅｉｎｂｅｒ．Ｔｈｅｉｎｋ　Ｌ－Ｎ　　ｌ－ｐｇ　Ｊ

ｒｏｂｌｅｍｆｏｒｏｃｉａｌｅｔｗｏｒｋｓ［Ｊ］．Ｊｏｕｒｎａｌｆｈｅ　　ｓ　ｎ　ｏ　ｔｐ

Ａｍｅｒｉｃａｎｏｃｉｅｔｏｒｎｆｏｒｍａｔｉｏｎｃｉｅｎｃｅｎｄ　Ｓ　Ｉ　Ｓ　ａｙ　ｆ，）：２００７，５８（７１０１９－１０３１．Ｔｅｃｈｎｏｌｏｇｙ

［］１３７ｄａｍｉｃＬＡ，ＡｄａｒＥ．Ｆｒｉｅｎｄｓａｎｄｎｅｉｈｂｏｒｓｏｎｔｈｅｗｅｂ　Ａ　　　　　　　　ｇ

［］，（）：Ｊ．ＳｏｃｉａｌＮｅｔｗｏｒｋｓ２００３２５３２１１－２３０．　　

［］１３８ｈｏｕＴ，ＬüＬＹ，ＺｈａｎＹＣ．Ｐｒｅｄｉｃｔｉｎｍｉｓｓｉｎｌｉｎｋｓ　Ｚ　　　ｇｇｇ　　　

ｖｉａｌｏｃａｌｉｎｆｏｒｍａｔｉｏｎ［Ｊ］．ＴｈｅＥｕｒｏｅａｎｈｓｉｃａｌ　　　　Ｐｐｙ（）：ＪｏｕｒｎａｌＢ，２００９，７１４６２３－６３０．　

［］，１３９ａｎＹＬ，ＺｈｏｕＴ，ＳｈｉＪＪｅｔａｌ．Ｅｍｉｉｒｉｃａｌａｎａｌｓｉｓｏｆ　Ｗ　　　　　　　ｇｐｙ　

ｅｔｗｅｅｎｔａｔｉｏｎｓｎｈｉｎｅｓｅａｉｌｗａｄｅｅｎｄｅｎｃｅ　ｂ　ｓ　ｉ　Ｃ　ｒｐｙ［］）：ｎｅｔｗｏｒｋＪ．ＰｈｓｉｃａＡ，２００９，３８８（１４２９４９－２９５５．　ｙ

［］１４０üＬＹ，ＪｉｎＣＨ，ＺｈｏｕＴ．Ｓｉｍｉｌａｒｉｔｉｎｄｅｘｂａｓｅｄｏｎ　Ｌ　　　　　　ｙ　

ｌｏｃａｌａｔｈｓｒｅｄｉｃｔｉｏｎｆｏｒｌｉｎｋｏｆｃｏｍｌｅｘｎｅｔｗｏｒｋｓ　　　　　　　ｐｐｐ［］（）：Ｊ．ＰｈｓＲｅｖＥ，２００９，８０４０４６１２２．　　ｙ

［］１４１ａｔｚＬ．Ａｎｅｗｓｔａｔｕｓｉｎｄｅｘｄｅｒｉｖｅｄｆｒｏｍｓｏｃｉｏｍｅｔｒｉｃ　Ｋ　　　　　　　

［］，（）：ａｎａｌｓｉｓＪ．Ｐｓｃｈｏｍｅｔｒｉｋａ１９５３，１８１３９－４３．ｙｙ

［］１４２ｉｕＷＰ，ＬüＬＹ．Ｌｉｎｋｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｌｏｃａｌ　Ｌ　　　　　　　ｐ

［］，（）：ｒａｎｄｏｍ　ｗａｌｋＪ．ＥｕｒｏｈｓＬｅｔｔ２０１０，８９５５８００７．　ｐｙ［］１４３ｕａｎＺ，ＬｉＸ，ＣｈｅｎＨＣ．Ｌｉｎｋｒｅｄｉｃｔｉｏｎａｒｏａｃｈｔｏ　Ｈ　　　　　　ｇｐｐｐ　

／／ＰｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎＣ］ｒｏｃｅｅｄｉｎｓｏｆｔｈｅ５ｔｈ　　　　ｇ［ｇ

／ＡＣＭＩＥＥＥＣＳＪｏｉｎｔＣｏｎｆｅｒｅｎｃｅｏｎＤｉｉｔａｌＬｉｂｒａｒｉｅｓ．－　　　　　ｇ：，ＮｅｗＹｏｒｋＡＣＭＰｒｅｓｓ２００５：１４１－１４２．　　

［］１４４ｌａｕｓｅｔＡ，ＭｏｏｒｅＣ，ＮｅｗｍａｎＭ　ＥＪ．Ｈｉｅｒａｒｃｈｉｃａｌ　Ｃ　　　　

ｓｔｒｕｃｔｕｒｅａｎｄｈｅｆｉｓｓｉｎｉｎｋｓｎｒｅｄｉｃｔｉｏｎ　　ｔ　ｐ　ｏ　ｍ　ｉｇ　ｌ［］，（）：ｎｅｔｗｏｒｋｓＪ．Ｎａｔｕｒｅ２００８，４５３７１９１９８－１０１．

［］１４５ｏｌｌａｎｄＰ　Ｗ，ＬａｓｋｅＫＢ，ＬｅｉｎｈａｒｄｔＳ．Ｓｔｏｃｈａｓｔｉｃ　Ｈ　　　ｙ　

：］，ｂｌｏｃｋｍｏｄｅｌｓｆｉｒｓｔｓｔｅｓ［Ｊ．ＳｏｃｉａｌＮｅｔｗｏｒｋｓ１９８３，５　　ｐ（）：２１０９－１３７．

［］１４６üＬＹ，Ｚｈｏｕｉｎｋｎｅｉｈｔｅｄｒｅｄｉｃｔｉｏｎ　Ｌ　　Ｔ．Ｌ　ｐ　ｉ　ｗｇ

：，ｎｅｔｗｏｒｋｓｔｈｅｒｏｌｅｏｆｗｅａｋｔｉｅｓ［Ｊ］．ＥｕｒｏｈｓＬｅｔｔ　　　　　ｐｙ（）：２０１０，８９１１８００１．

［］１４７ｒａｎｏｖｅｔｔｅｒＭＳ．Ｔｈｅｓｔｒｅｎｔｈｏｆｗｅａｋｔｉｅｓ［Ｊ］．　Ｇ　　　　　　ｇ

，：ＪｏｕｒｎａｌｏｆＳｏｃｉｏｌｏ１９７３，７８（６）１３６０Ａｍｅｒｉｃａｎ　　　ｇｙ－１３８０．

［］，１４８ｅｓｋｏｖｅｃＪＨｕｔｔｅｎｌｏｃｈｅｒＤ，ＫｌｅｉｎｂｅｒＪ．Ｐｒｅｄｉｃｔｉｎ　Ｌ　　ｇｇ　

ａｎｄｎｅａｔｉｖｅｌｉｎｋｓｉｎｏｎｌｉｎｅｓｏｃｉａｌｎｅｔｗｏｒｋｓｏｓｉｔｉｖｅ　　　　　　　ｇｐ

［／／Ｃ］Ｐｒｏｃｅｅｄｉｎｓｆｈｅ９ｔｈｎｔｅｒｎａｔｉｏｎａｌ　ｏ　ｔ　１　Ｉｇ：ＣｏｎｆｅｒｅｎｃｅｏｎＷｏｒｌｄＷｉｄｅＷｅｂ．ＮｅｗＹｏｒｋＡＣＭ　　　　　，２０１０：６４１－６５０．Ｐｒｅｓｓ

［］１４９ｎｔａｌＴ，ＫｒａｉｖｓｋＰ，ＲｅｄｎｅｒＳ．Ｄｎａｍｉｃｓｏｆｓｏｃｉａｌ　Ａ　　　　ｐｙｙ　

ｂａｌａｎｃｅｏｎｅｔｗｏｒｋｓ［Ｊ］．ＰｈｓＲｅｖＥ，２００５，７２　　ｎ　　ｙ（）：３０３６１２１．

［］，，１５０ａｒｖｅｌＳＳｔｒｏａｔｚＳＫｌｅｉｎｂｅｒＪ．Ｅｎｅｒｌａｎｄｓｃａｅｏｆ　Ｍ　　　ｇｇｇｙｐ　　

，２ａｌａｎｃｅ［Ｊ］．Ｐｈｓｅｖｅｔｔ００９，１０３ｓｏｃｉａｌ　ｂ　Ｒ　Ｌｙ（）：１９１９８７０１．

［］：ａ１５１ａｒａｂｓｉＡＬ．Ｓｃａｌｅｆｒｅｅｅｔｗｏｒｋｓｅｃａｄｅｎｄ　Ｂ　　－　ｎ　ｄ　ａ

［］，）：ｂｅｏｎｄＪ．Ｓｃｉｅｎｃｅ２００９，３２５（５９３９４１２－４１３．ｙ

［］：１５２ａｌｄａｒｅｌｌｉＧ．Ｓｃａｌｅｆｒｅｅｎｅｔｗｏｒｋｓｃｏｍｌｅｘｗｅｂｓｉｎ　Ｃ　－　　　ｐ

：ＯｎａｔｕｒｅｎｄｅｃｈｎｏｌｏＭ］．Ｎｅｗｏｒｋｘｆｏｒｄ　ａ　ｔ　Ｙｇｙ［，Ｐｒｅｓｓ２００７．

［］１５３ａｒｌａｓｃｈｅｌｌｉＤ，ＣａｏｃｃｉＡ，ＣａｌｄａｒｅｌｌｉＧ．Ｓｅｌｆｏｒａｎｉｚｅｄ　Ｇ　　　－ｐｇ

］ｎｅｔｗｏｒｋｅｖｏｌｕｔｉｏｎｃｏｕｌｅｄｔｏｅｘｔｒｅｍａｌｄｎａｍｉｃｓ［Ｊ．　　　　　ｐｙ，（）：Ｐｈｓｉｃｓ２００７，３１１８１３－８１７．Ｎａｔｕｒｅ　ｙ

［］，１５４ａｌｖｅｒｄｅＳＣａｎｃｈｏＲＦ，ＳｏｌｅＲＶ．Ｓｃａｌｅｆｒｅｅｎｅｔｗｏｒｋｓ　Ｖ　　　　　－　

，ｏｔｉｍａｌｄｅｓｉｎ［Ｊ］．ＥｕｒｏｈｓＬｅｔｔ２００２，６０ｆｒｏｍ　　　ｐｇｐｙ（）：４５１２．

［］１５５ａｉｅｓｉＭ，ＭａｎｎａＳＳ．Ｓｃａｌｅｆｒｅｅｎｅｔｗｏｒｋｓｆｒｏｍａ　Ｂ　　　－　　　

ｄｎａｍｉｃｓ［Ｊ］Ｐｈｓｅｖ２００３，６８ｈａｍｉｌｔｏｎｉａｎ　　Ｒ　Ｅ，ｙｙ（）：４０４７１０３．

［］，１５６ｉｍＢＪＴｒｕｓｉｎａＡ，ＭｉｎｎｈａｅｎＰ，ｅｔａｌ．Ｓｅｌｆｏｒａｎｉｚｅｄ　Ｋ　　　　　　ｇｇ

ｓｃａｌｅｆｒｅｅｎｅｔｗｏｒｋｓｆｒｏｍ　ｍｅｒｉｎａｎｄｒｅｅｎｅｒａｔｉｏｎ－　　　ｇｇｇ　［］：Ｊ．ＴｈｅＥｕｒｏｅａｎＰｈｓｉｃａｌＪｏｕｒｎａｌＢ，２００５，４３（３）　　　　ｐｙ３６９－３７２．

［］，１５７ｅｒｏｔｔｉＪＩＢｉｌｌｏｎｉＯＶ，ＴａｍａｒｉｔＦＡ，ｅｔａｌ．Ｅｍｅｒｅｎｔ　Ｐ　　　　　　　ｇ

ｓｅｌｆｏｒａｎｉｚｅｄｏｍｌｅｘｅｔｗｏｒｋｏｏｌｏｕｔｆ－　ｃ　ｎ　ｔ　ｏｇｐｐｇｙ　ｏ，ｓｔａｂｉｌｉｔｃｏｎｓｔｒａｉｎｔｓ［Ｊ］．ＰｈｓＲｅｖＬｅｔｔ２００９，１０３　　ｙｙ　（）：１０１０８７０１．

［］１５８ｅｎＰ，Ｎａｍａｔａｉｌｉｃｔｌ．Ｃｏｌｌｅｃｔｉｖｅ　Ｓ　　Ｇ，Ｂ　Ｍ，ｅ　ａｇ

［］，ｃｌａｓｓｉｆｉｃａｔｉｏｎｉｎｎｅｔｗｏｒｋｄａｔａＪ．ＡＩＭａａｚｉｎｅ２００８，　　　　ｇ（）：２９３９３－１０６．

［］：１５９ｈｏｕＴ．Ｓｔａｔｉｓｔｉｃａｌｍｅｃｈａｎｉｃｓｏｆｉｎｆｏｒｍａｔｉｏｎｓｓｔｅｍｓ　Ｚ　　　　　ｙ

ｉｎｆｏｒｍａｔｉｏｎｉｌｔｅｒｉｎｎｏｍｌｅｘｅｔｗｏｒｋｓ［Ｄ］．　ｆ　ｃ　ｎｇｐ　ｏ：，ＦｒｉｂｏｕｒＵｎｉｖｅｒｓｉｔｏｆＦｒｉｂｏｕｒ２０１０．　ｇｙｇ