随着数字技术的发展，经济社会活动场景呈现复杂化，参与主体和行为也趋向异质性。同时，各种异质场景的联系逐渐建立，为复杂异质管理场景的研究提供了机会。复杂异质场景间的影响机制、知识价值、管理意义是一个有待探索且富有挑战的研究方向。天津大学经管学部赵洪科围绕该方向，聚焦于复杂异质管理场景（例如，互联网金融、电子商务等）的多市场、多主体的复杂异质场景，开展了系列算法设计、分析与验证研究。相关研究成果在国际权威学术期刊TKDE、TEVC上发表多篇论文。本文基于赵洪科老师多篇论文整理而成。

研究现状

现在主流的数据驱动知识表征学习方法多集中在单一场景或单一主体。例如，电子商务或者金融市场中，主流研究将销售、融资等市场动态作为序列分析的典型应用，但这些模型仅从单一市场观测的序列本身来进行知识表征，没有考虑其他外部因素的影响；再比如在智能推荐方面，大多数推荐系统单方面优化购买客户的偏好，如通过协同过滤、基于内容的推荐、混合推荐等，而没有综合考虑平台上其他参与者（如商家）的期望。

针对复杂异质管理场景，研究分别在“行为-用户-场景”三个层面的知识发现、表征、迁移和应用问题上，提出和设计了多层次场景驱动的智能算法，解决了用户异质行为间的关系挖掘和协同学习预测，异质用户间的行为均衡优化，异质场景间的行为知识单向与双向迁移和应用问题。研究方法和在互联网金融和电子商务等多种复杂异质场景中得到了有效验证。

基于研究成果，形成了论文：

模型和方法设计

• 用户异质行为间的关系挖掘和协同学习预测

用户的多种异质行为（例如，交易、在平台的留存等）之间存在复杂的关系。研究提出了联合深度生存模型，它可以整合用户的动机、最近交互物品、社会关系等异质性特征，共同模拟重复交易和留存行为（用户是否会一直留在该平台上）这两种行为事件。具体来讲，模型通过利用深度学习框架，可以集成多类异质特征。此外，模型将重复行为和留存行为的预测正式化为两个合作目标，并具有具体的两层级预测。为了模拟行为数据的截尾现象和不同类型行为的依赖关系，模型中创新性地设计了多个排序约束，并将其纳入目标函数中，在此基础上，提出了一种可有效训练模型的两级目标优化算法。

在真实大规模数据上验证发现：（1）用户关联的异质行为（交易和生存保留）协同学习的收敛速度比任何行为的单独学习收敛速度更快；（2）基于异质行为联合学习的预测模型对多种行为的预测更加准确。

• 异质用户间的行为均衡优化

图3 异质用户间的行为均衡优化算法框架

研究提出了合作-竞争演化算法，适用于电子商务市场的双向推荐，尤其是对于电商团购、小额借贷成交等场景。具体来讲，研究分别为市场中的两方参与者形式化了目标和个体参与者的子问题，即一个是针对消费者目标优化的子问题，另一个是针对商家目标优化的子问题。研究方法通过种群分离、种群间相互作用和种群整合，将合作-竞争优化整合到一个框架中。研究中设计了一个用于个体表示的二进制编码矩阵，通过在演化过程中结合博弈过程，设计了合作-竞争进化算子，即合作交叉和竞争变异，来引导解达到推荐结果的均衡。此外，合作交叉可以通过两种群之间的交流加快收敛速度。最后，针对具体应用中满足约束条件的情况，进行修复和选择操作。研究设计具体算法过程如图3所示。

在多个真实大规模数据上验证发现：相比于一般推荐算法，研究算法推荐结果能够更好地找到同时符合消费者和商家利益的物品，实现平台市场参与方的共赢。

• 异质场景间的行为知识单向与双向迁移和应用

图4 异质场景间的行为知识单向迁移框架

图5 异质场景间的行为知识双向迁移框架

在该方面的研究中，选取了创业融资和电子商务两个市场。为了有效地学习融资市场和销售市场之间的知识互动关系，研究提出了基于转移注意力的市场前景分析模型（如图4所示），该模型包含两个学习模块，前者是针对创业融资活动异构特征的融资绩效建模，后者则是借助销售市场的相关产品，将目标活动的市场前景潜在语义从活动评论中表征和转移，两个模块通过转移注意力进行连接和增强；同时，进一步研究提出了另一种新的合作注意力方法（即合作-竞争注意力转移网络，如图5所示），该方法可以有效地从两个市场双向地学习市场信息，进而对目标市场的状态学习进行强化。

研究贡献

研究主要包括三个层面的贡献，第一，问题层面，发现并定义了复杂异质管理场景下潜在的共生关系，启发我们构建一系列研究行为、主体、市场之间的关系；第二，技术层面，提出了联合深度生存模型、合作-竞争进化算法、基于转移注意力的市场前景分析模型等多个模型框架及算法模块，有助于演化计算、生存分析、迁移学习等多个领域的算法发展；第三，应用层面，多个模型均在大规模真实数据集上进行了实验，实验结果证明了模型在结果方面的有效性。因此，设计的模型可以为创业筹资、电子商务、在线慈善等各类场景提供辅助分析和预测工具的应用。

本系列研究受到国家自然科学基金重大项目、青年项目、国家重点研发计划以及百度、网易开放研究课题资助。

文章引用：

1. Hongke Zhao(赵洪科), Binbin Jin, Qi Liu, Yong Ge, Enhong Chen, Xi Zhang, Tong Xu, Voice of Charity: Prospecting the Donation Recurrence & Donor Retention in Crowdfunding, IEEE Transactions on Knowledge and Data Engineering (IEEE TKDE), 32(8): 1652-1665, 2020. (IF:6.97, CCF A类期刊)

2. Hongke Zhao(赵洪科), Xinpeng Wu, Chuang Zhao, Lei Zhang, Haiping Ma, Fan Cheng, CoEA: A Cooperative-Competitive Evolutionary Algorithm for Bidirectional Recommendations, IEEE Transactions on Evolutionary Computation (IEEE TEVC), 26(1), 28-42, 2022. (IF:11.169, ABS 4)

3. Hongke Zhao(赵洪科), Yihang Cheng, Xi Zhang, Hengshu Zhu, Qi Liu, Hui Xiong, Wei Zhang, What is Market Talking about? Market-oriented Prospect Analysis for Entrepreneur Fundraising, IEEE Transactions on Knowledge and Data Engineering (IEEE TKDE), Accepted. (IF:6.97, CCF A类期刊)

4. Lei Zhang, Xiang Wang, Chuang Zhao, Hongke Zhao(赵洪科)（通讯作者），Rui Li, Runze Wu, Co-Promotion Predictions of Financing Market and Sales Market: A Cooperative-Competitive Attention Approach, 36th AAAI Conference on Artificial Intelligence (AAAI\'22), Accepted. (CCF A类会议)

信息来源 / 赵洪科

底图制作 / 谷叶馨

图文编辑 /谷叶馨

责任编辑/ 李 庚

编辑：刘蕊