推荐系统在辅助用户进行各种决策过程发挥日益重要作用,例如商品推荐,音乐试听或新闻阅读推荐,在Amazon.com,Taobao.com,YouTube,Netflix,Yahoo, JD.com,Last. fm和IM DB等流行网站中扮演着重要角色.大多数电子商务网站提供各种形式的推荐,从简单地显示最受欢迎的商品到使用复杂的数据挖掘技术以提供有用的信息.由于各种推荐系统的存在,使得大量商品不再是孤立的存在,在这些网站中,产品是节点,产品之间的推荐链接可以看作是产品网络的中相互连接的边.此外,随着Facebook、微博、微信等社交平台构建了用户之间广泛的链接关系,对产品的评价信息会在用户关系网络里高效传播与分享,用户网络的影响日益显著.本文主要围绕产品网络和用户网络展开,聚焦于"相似性",从电商平台、在线视频与音乐平台进行三方面的研究.
　　第一,以往研究暂无对相似产品网络经济影响的分析,我们通过挖掘来自淘宝网的产品推荐链接以构建相似性网络,增加了对相似性推荐系统的商业价值的理解.通过分析产品相似网络的特征, 基于复杂网络视角,我们分析了产品的入度数和网络中心势等网络属性的需求效应,量化了相似性链接的商业价值,研究结果表明了在产品网络中的位置对需求的重要性,并且我们观察到产品入度网络中的度数具有正向的需求效应而中心势具有负向需求效应.我们的研究通过关注"相似性",分析了不同以往类型的产品网络,扩展了有关产品网络经济影响的研究.在相似性产品网络的环境下,基于文本挖掘,我们量化了UGC和M GC对相似产品的溢出效应,发现产品评论的相似性以及产品描述的相似性都会对产品的需求产生负向影响,MGC对搜索商品的需求比UGC表现出更强的影响.
　　第二,之前的研究对在线视频平台中的评论者群体的同质效应缺少分析.基于同质性理论,我们的综合考虑了三种相似性,用户偏好,评论内容和评论情感,构建了用户偏好相似性网络,通过加权动态网络的方法分析表明了评论者相似性网络对视频需求有影响,即评论者群体的同质性对视频需求有负向影响,分析发现评论内容的多样性会对视频需求产生正向影响.此外,很少有研究关注在线社交视频评论中的情绪相似性与产品扩散之间的关系,我们分析了用户交互内容中所包含的相似性情绪的影响,发现包括消极和积极评论在内的更多样化和差异性的情绪会增加视频的观看需求.
　　第三,我们从相似性产品网络到考虑用户网络,再扩展到结合两者的双网络进行研究.与之前的共买网络不同,我们通过挖掘产品相似网络和用户关注网络中的信息提高了预测的准确性.与基准的预测相比,在预测中放入的相似音乐邻居节点的需求信息以及网络属性如Pagerank,度中心性和局部聚类系数,再增加用户关注网络相关信息,如粉丝数量,用户入度数,改善了产品需求的预测效果.我们的预测性能改进对于在线电商平台或音乐平台提高运营效率有明显的商业意义.