近日，物理类综述性期刊《物理报导》（Physics Reports）发表了来自杭州师范大学信息经济研究所吕琳媛教授、张子柯教授，电子科技大学互联网app中心教授（）及他们与瑞士弗里堡大学、英国阿斯顿大学同事合作撰写的题为“推荐系统”（Recommender Systems）的长篇综述论文。本文第一单位为杭州师范大学。
《物理报导》是国际物理学方面最具影响力的综述性期刊之一，影响因子超过20。该期刊每年仅发表三十余篇学术论文，一般不接受自由投稿，而是邀请在各领域有相当国际影响力的研究小组执笔，旨在对相关重大研究成果进行历史总结和文献综述，或针对当前研究热点进行评述并探讨尚未解决的重大app问题。
信息技术特别是互联网的发展推动我们进入了“大数据”的时代，在动态增长的海量数据中寻找有价值信息的难度不断增加。理解信息的产生与组织并帮助实现更好的信息导航、推荐和预测成为当前亟待解决的重大app问题。搜索引擎和推荐系统被认为是最有希望解决“信息过载”问题的两大武器，后者通过分析用户的历史记录，挖掘用户的实时喜好和需求，并基于此向用户推荐感兴趣的咨询和商品。推荐引擎在电子商务、网络媒体、社交网络、金融保险等行业已经获得了大量应用，产生了重大社会经济价值。
瑞士弗里堡张翼成教授领导的，由杭州师范大学信息经济研究所、电子科技大学互联网app中心等单位联合参与的研究团队多年来一直致力于应用统计物理的理念和方法解决信息app中的重大问题，并在链路预测、趋势预测、在线信誉评估、社交网络分析、信息传播理论等方向有系统性贡献。特别地，该团队将物质扩散、热传导等物理过程，平均场近似、格林函数法、统计系综理论、矩阵摄动理论等方法应用于推荐算法的设计和分析中，提出了时空复杂性和精确度都明显胜过传统方法的完全可并行的局部算法，并在“冷启动问题”、“多样性-精确性两难困境”、“社会推荐”等挑战性难题及新兴问题方面取得了重要进展。该团队设计的算法，已经为三百余家电子商务公司、五十余家互联网媒体以及若干有代表性的社交网络和移动互联网应用提供服务，其算法相关结果每日展示数亿次。
该团队受邀为《物理报导》撰写49页综述。文章回顾了推荐系统应运而生的背景，介绍了推荐系统在各行各业已有的应用及重大的社会经济价值。文章将推荐系统设计按照其核心算法分为了基于相似性、基于扩散过程、基于降维和基于社交推荐的四大类，并分析了社会标签和时效性在推荐算法设计和推荐效果中的作用，以及通过迭代、算法混合和集成学习等方法可能产生的改进效果。与信息app相关文献不同，该文特别强调了统计物理学的思想和方法与推荐系统的结合。文章最后展望了若干尚未解决的重大挑战。
周涛教授指出：“互联网已经深刻地改变了我们社会经济和生活的形态，并且也正在改变我们app研究的对象和手段。基于大数据的定量化分析将重塑社会学、心理学、管理学等学科范式。物理学将与这些学科深入交叉并扮演越来越重要的角色。特别地，互联网为交叉物理提供了一个实验平台——在征服互联网真实用户过程中获得的反馈和经验，结合优美的理论和方程，才能真正产生无可置疑的交叉物理的成果。这篇综述只是一个初级阶段的小结，未来我们将继续努力，通过理论研究、算法设计、应用实施、商务拓展、平台架构、资本支持等多种手段推动物理学和信息app的结合和发展”。