华新报(第十期)

神经网络的研究热点分析.

神经网络的研究热点分析 神经网络的研究热点分析 类别：通信网络 摘要：首先介绍了神经网络的发展、优点及其应用，然后对神经网络目前的几个研究热点进行了分析，即神经网络与小波分析、混沌、粗集理 论、分形理论的融合及其应用领域和存在的问题。分析结果表明这些融合方法 具有很好的发展前景。0引言神经网络最早的研究是40年代心理学家Mcculloch和数学家Pitts合作提出的，他们提出的MP模型拉开了神经网络研究的序幕。神经网络的发展大致经过3个阶段：1947～196 9年为初期，在这期间科学家们提出了许多神经元模型和学习规则，如MP模型、HEBB学习规则和感知器等；1970～1986年为过渡期，这期间神经网络研究经过了一个 低潮，继续发展。在此期间，科学家们做了大量的工作，如Hopfield教授对网络引入能量函数的概念，给出了网络的稳定性判据，提出了用于联想记忆和 优化计算的途径。1984年，Hiton教授提出Bol tzman机模型；1986年Kumelhart等人提出误差反向传播神经网络，简称BP网络。目前，BP网络已成为广泛使用的网络。1987年至今为发展期，在此期间，神经网络受到国际重视，各个国家都展开研究，形成神经网络发展的另一个高潮［1］。人工神经元网络是生物神经网络的一种模拟和近似，它从结构、实现机理和功能上 模拟生物神经网络。从系统观点看，人工神经元网络是由大量神经元通过极其 丰富和完善的连接而构成的自适应非线性动态系统。神经网络具有以下优点：(1)具有很强的鲁棒性和容错性，这是因为信息是分布存贮于网络内的神经元中；(2)并行处理方法，人工神经元网络在结构上是并行的，而且网络的各 个单元可以同时进行类似的处理过程，使得计算快速；(3)自学习、自组织、自适应性，神经元之间的连接多种多样，各元之间联接强度具有一定可塑性， 使得神经网络可以处理不确定或不知道的系统；(4)可以充分逼近任意复杂的 非线性关系；(5)具有很强的信息综合能力，能同时处理定量和定性的信息， 能很好的协调多种输入信息关系，适用于处理复杂非线性和不确定对象。 神经网络以其独特的结构和处理信息的方法，在许多实际应用领域中取得了显 著的成效，主要应用如下：(1)自动控制领域；(2)处理组合优化问题；(3)模式识别；(4)图像处理；(5)传感器信号处理；(6)机器人控制；(7)信号处理； (8)卫生保健、医疗；(9)经济；(10)化工领域；(11)焊接领域；(12)地理领域；(13)数据挖掘、电力系统、交通、军事、矿业、农业和气象等领域。 1神经网络研究热点神经网络在很多领域已得到了很好的应用，但其需要研 究的方面还很多。其中，具有分布存储、并行处理、自学习、自组织以及非线 性映射等优点的神经网络与其他技术的结合以及由此而来的混合方法和混合系统，已经成为一大研究热点。由于其他方法也有它们各自的优点，所以将 神经网络与其他方法相结合，取长补短，继而可以获得更好的应用效果。目前这方面工作有神经网络与模糊逻辑［1～5］、专家系统［6～9］、遗传算法［10、11］、小波分析、混沌、粗集理论、分形理论、证据理论［25～27］和

我国推荐系统研究热点及可视化分析

我国推荐系统研究热点及可视化分析 为探索我国推荐系统领域研究现状和热点，选取CNKI作为数据来源，运用共现分析、社会网络分析、多维尺度分析以及知识图谱等可视化方法和工具，从发文量、核心期刊、作者合作、機构合作、研究热点等方面进行可视化分析。分析表明，我国推荐系统研究正处于快速发展时期，主要集中在计算机科学、图书情报等领域，作者合作关系与机构合作关系都有待加强，呈现多元化特点，形成8大热点主题域，为后续学者的研究提供了一定的参考价值。 标签：推荐系统；共现分析；社会网络分析；可视化；知识图谱 1 引言 随着大数据时代的来临，互联网上的信息资源呈现爆炸式增长的趋势，人们虽然可以方便地获取信息，但却更难准确地筛选出对自己有用的信息了，这就造成了“信息超载”（Information Overload）的问题，而解决信息超载问题的一个非常行之有效的方法就是推荐系统。推荐系统（Recommender System）是一种通过学习和挖掘用户的兴趣以及项目（如音乐、电影、好友、旅游景点等）的特征从而将用户可能感兴趣的项目主动推荐给相应用户的信息系统。目前，推荐系统在电子商务、信息检索以及移动应用、电子旅游、互联网广告、社会媒体、社交网络等等众多应用领域取得了较大的进展。 由于推荐系统的应用效果十分显著，国内学术界及其相关领域对推荐系统的研究也日益增多。虽然有很多学者对推荐系统进行过综述性的研究，但是学者们所处的领域不同，他们所论述问题的侧重点也不尽相同。大多数是对某一应用领域或专题研究领域进行综述，很少有从文献计量学的角度，对推荐系统领域的发文量、期刊、机构、作者以及整体的进展和趋势进行研究，并用可视化的形式将其研究成果展现出来的。因此，本文将运用文献计量分析、共现分析和社会网络分析（Social Network Analysis，SNA）等方法，梳理我国推荐系统的研究现状，对其研究热点等进行可视化分析，为后续我国推荐系统研究的学者们提供一定地参考和帮助，同时，这对于提高我国推荐系统研究水平，具有重要的理论意义与学术价值。 2 数据来源及研究方法 中国知网（CNKI）是目前我国学术期刊数据收录最全、更新最为及时的全文数据库，因此，本文以CNKI的中国学术期刊数据库为数据来源，对我国推荐系统的研究进行可视化分析。在CNKI期刊数据库中，以“主题=推荐系统，精确”为检索条件，检索时间范围为“不限到2016年”，期刊来源类别为全部，检索得到我国推荐系统相关研究文献共2804篇。将检索得到的文献人工进行二次筛选，剔除掉通知、评论、新闻报道以及与主题无关等无效文献，最终得到2645篇文献数据。