隨著數(shù)字經(jīng)濟(jì)的快速發(fā)展，信息技術(shù)對經(jīng)濟(jì)、社會產(chǎn)生的影響日益深遠(yuǎn)。通信基礎(chǔ)設(shè)施所連接的數(shù)億智能手機(jī)、計算機(jī)所形成的復(fù)雜系統(tǒng)支持著各類互聯(lián)網(wǎng)平臺和應(yīng)用。淘寶、京東、拼多多等電商平臺通過構(gòu)建商品鏈接網(wǎng)絡(luò)，幫助用戶高效搜索商品；微信、QQ形成了人與人之間更廣泛的連接，幫助人們高效溝通；百度、谷歌、今日頭條、抖音等構(gòu)建了多模態(tài)信息之間的連接，幫助人們快捷地查找、篩選信息。面對海量信息、鏈接所構(gòu)成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，如何理解、預(yù)測和控制是需要解決的問題之一的挑戰(zhàn)。
隨著數(shù)字內(nèi)容消費不斷增長，線上內(nèi)容不斷豐富，從海量選項中搜索滿意的內(nèi)容和商品令消費者眼花繚亂，很難做出選擇。推薦系統(tǒng)幫助人們快速發(fā)現(xiàn)他們感興趣的商品或信息，極大地推動了互聯(lián)網(wǎng)應(yīng)用的發(fā)展。例如，在電商平臺，人們通常會在商品頁面看到相關(guān)商品推薦信息；在內(nèi)容平臺，也經(jīng)常會看到與自己點贊內(nèi)容相似的短視頻、音樂、問答知識的推送。正是由于各種推薦系統(tǒng)的應(yīng)用，大量內(nèi)容和產(chǎn)品節(jié)點相互連接形成了產(chǎn)品網(wǎng)絡(luò)。隨著自然語言技術(shù)、圖像處理技術(shù)的發(fā)展，在各類平臺中，圖像、視頻的作用日益重要，平臺通過挖掘產(chǎn)品圖像和視頻中的信息進(jìn)行更加有效的推薦。基于物品圖像、產(chǎn)品屬性和用戶選擇的相似產(chǎn)品推薦系統(tǒng)廣泛應(yīng)用于各購物網(wǎng)站、音樂社區(qū)等平臺，基于產(chǎn)品相似性的推薦網(wǎng)絡(luò)更高效地為消費者提供了產(chǎn)品篩選功能。已有研究圍繞亞馬遜、淘寶等電商平臺產(chǎn)品推薦系統(tǒng)，揭示了共看共買等推薦機(jī)制所形成的產(chǎn)品網(wǎng)絡(luò)對需求的影響，但對基于圖像、語義、情感等特征的相似性推薦及其網(wǎng)絡(luò)與共看共買等產(chǎn)品網(wǎng)絡(luò)的差異仍缺乏研究。雖然平臺內(nèi)容對消費者的影響日益增強(qiáng)，但是關(guān)于內(nèi)容網(wǎng)絡(luò)的研究和分析還不夠充分。音樂、圖像、視頻等內(nèi)容產(chǎn)品與一般商品在生產(chǎn)、消費和使用等環(huán)節(jié)有顯著區(qū)別，存在著共享性、非競爭性等經(jīng)濟(jì)屬性，以及網(wǎng)絡(luò)效應(yīng)和語義特征等技術(shù)屬性。針對圖像、視頻、音頻、文本等多模態(tài)推薦網(wǎng)絡(luò)的研究不足。
隨著移動化、社交化趨勢增強(qiáng)，主流電商及內(nèi)容平臺通過引入社交關(guān)系，將平臺轉(zhuǎn)變?yōu)樯缃画h(huán)境，用戶可以在線互動和生成內(nèi)容。平臺與用戶的關(guān)系變得更為親密，用戶的信息行為與在缺乏社交環(huán)境的平臺有所不同，如用戶短視頻上癮行為�；�于用戶社交互動形成的用戶網(wǎng)絡(luò)與基于推薦算法生成的產(chǎn)品網(wǎng)絡(luò)共同作用，對平臺需求產(chǎn)生何種影響是一個值得關(guān)注的問題。產(chǎn)品推薦網(wǎng)絡(luò)在初期有助于用戶網(wǎng)絡(luò)的形成，當(dāng)用戶看到某個喜歡的視頻，通常會去關(guān)注創(chuàng)作者的相關(guān)視頻，進(jìn)一步可能會關(guān)注創(chuàng)作者，從而產(chǎn)生社交聯(lián)系。另外，用戶網(wǎng)絡(luò)規(guī)模越大、社交關(guān)系越緊密，所產(chǎn)生的數(shù)據(jù)越豐富、多樣，則越有利于推薦算法，進(jìn)而影響和優(yōu)化產(chǎn)品網(wǎng)絡(luò)結(jié)構(gòu)。目前，對產(chǎn)品網(wǎng)絡(luò)疊加用戶網(wǎng)絡(luò)帶來的雙層網(wǎng)絡(luò)相互關(guān)系及其對平臺需求的影響機(jī)制尚不清楚。有關(guān)雙層網(wǎng)絡(luò)是否增強(qiáng)了對用戶的反饋，是否緩解了單一推薦算法導(dǎo)致的內(nèi)容熱門偏差和馬太效應(yīng)，是否有助于緩解信息繭房信息黑洞等問題，仍有待去深入探索。
為探索上述問題，本書圍繞產(chǎn)品網(wǎng)絡(luò)和用戶網(wǎng)絡(luò)展開研究，聚焦相似性，對電商平臺、內(nèi)容平臺進(jìn)行了研究。本書分析了相似性產(chǎn)品網(wǎng)絡(luò)的整體結(jié)構(gòu)和特性對平臺需求的影響，從理論上加深了對相似性推薦系統(tǒng)商業(yè)價值的理解；實證檢驗了外部沖擊在相似性產(chǎn)品網(wǎng)絡(luò)中的溢出和擴(kuò)散層次深度；基于同質(zhì)性理論，從用戶屬性相似、文本內(nèi)容和情感表達(dá)相似等方面，分析了內(nèi)容平臺中的評論者群體特征的需求效應(yīng)，深化了對異質(zhì)性群體在不同階段需求影響的認(rèn)識；從理論上探討了產(chǎn)品網(wǎng)絡(luò)與用戶網(wǎng)絡(luò)的相互作用及其對需求影響的內(nèi)在機(jī)理，結(jié)合深度學(xué)習(xí)模型，挖掘了雙層網(wǎng)絡(luò)鏈接關(guān)系所蘊含的預(yù)測性信息，最后基于雙層網(wǎng)絡(luò)結(jié)構(gòu)，參考PageRank和網(wǎng)絡(luò)穩(wěn)定性（Network Stability）思想，提出了一種重要內(nèi)容節(jié)點識別的算法，幫助平臺優(yōu)化節(jié)點連接關(guān)系。綜合來看，本書將有助于平臺深化對相似性鏈接、雙層網(wǎng)絡(luò)的認(rèn)識，有助于優(yōu)化服務(wù)質(zhì)量，助力數(shù)字經(jīng)濟(jì)高質(zhì)量
發(fā)展。
本書是對作者多年思考和研究的一個階段性總結(jié)。從攻讀博士學(xué)位以來，作者一直關(guān)注該領(lǐng)域的最新研究動態(tài)，閱讀了大量國內(nèi)外文獻(xiàn)，在推薦系統(tǒng)、復(fù)雜網(wǎng)絡(luò)、文本挖掘等方面進(jìn)行了深入研究，發(fā)表了相關(guān)研究論文。在本書撰寫過程中，作者得到了諸多師長、前輩、同事、學(xué)友的幫助和支持，感謝桂林電子科技大學(xué)劉枚蓮、吳俊、潘細(xì)朋及管理科學(xué)與工程專業(yè)諸位老師，華中科技大學(xué)楊珺、潘炤老師，北京科技大學(xué)武森老師，華中農(nóng)業(yè)大學(xué)鄭本榮、周品老師，北京交通大學(xué)黃安強(qiáng)老師以及董昭軒、馮昊、陳道泉、劉春吉、趙西君、楊鵬、彭程、駱秀禹等學(xué)友。同時，感謝桂林電子科技大學(xué)商學(xué)院提供科研及工作環(huán)境，感謝國家自然科學(xué)基金項目（網(wǎng)絡(luò)消費者多品牌選擇行為機(jī)理研究，71562006）及廣西高等學(xué)校創(chuàng)新團(tuán)隊及卓越學(xué)者項目（電子商務(wù)與物流管理）的支持。