學者觀點 | 趙洪科：複雜異質管理場景中知識表征學習與遷移應用

随着數字技術的發展，經濟社會活動場景呈現複雜化，參與主體和行為也趨向異質性。同時，各種異質場景的聯系逐漸建立，為複雜異質管理場景的研究提供了機會。複雜異質場景間的影響機制、知識價值、管理意義是一個有待探索且富有挑戰的研究方向。天津大學經管學部趙洪科圍繞該方向，聚焦于複雜異質管理場景（例如，互聯網金融、電子商務等）的多市場、多主體的複雜異質場景，開展了系列算法設計、分析與驗證研究。相關研究成果在國際權威學術期刊TKDE、TEVC上發表多篇論文。本文基于趙洪科老師多篇論文整理而成。

研究現狀

現在主流的數據驅動知識表征學習方法多集中在單一場景或單一主體。例如，電子商務或者金融市場中，主流研究将銷售、融資等市場動态作為序列分析的典型應用，但這些模型僅從單一市場觀測的序列本身來進行知識表征，沒有考慮其他外部因素的影響；再比如在智能推薦方面，大多數推薦系統單方面優化購買客戶的偏好，如通過協同過濾、基于内容的推薦、混合推薦等，而沒有綜合考慮平台上其他參與者（如商家）的期望。

針對複雜異質管理場景，研究分别在“行為-用戶-場景”三個層面的知識發現、表征、遷移和應用問題上，提出和設計了多層次場景驅動的智能算法，解決了用戶異質行為間的關系挖掘和協同學習預測，異質用戶間的行為均衡優化，異質場景間的行為知識單向與雙向遷移和應用問題。研究方法和在互聯網金融和電子商務等多種複雜異質場景中得到了有效驗證。

基于研究成果，形成了論文：

模型和方法設計

• 用戶異質行為間的關系挖掘和協同學習預測

用戶的多種異質行為（例如，交易、在平台的留存等）之間存在複雜的關系。研究提出了聯合深度生存模型，它可以整合用戶的動機、最近交互物品、社會關系等異質性特征，共同模拟重複交易和留存行為（用戶是否會一直留在該平台上）這兩種行為事件。具體來講，模型通過利用深度學習框架，可以集成多類異質特征。此外，模型将重複行為和留存行為的預測正式化為兩個合作目标，并具有具體的兩層級預測。為了模拟行為數據的截尾現象和不同類型行為的依賴關系，模型中創新性地設計了多個排序約束，并将其納入目标函數中，在此基礎上，提出了一種可有效訓練模型的兩級目标優化算法。

在真實大規模數據上驗證發現：（1）用戶關聯的異質行為（交易和生存保留）協同學習的收斂速度比任何行為的單獨學習收斂速度更快；（2）基于異質行為聯合學習的預測模型對多種行為的預測更加準确。

• 異質用戶間的行為均衡優化

圖3 異質用戶間的行為均衡優化算法框架

研究提出了合作-競争演化算法，适用于電子商務市場的雙向推薦，尤其是對于電商團購、小額借貸成交等場景。具體來講，研究分别為市場中的兩方參與者形式化了目标和個體參與者的子問題，即一個是針對消費者目标優化的子問題，另一個是針對商家目标優化的子問題。研究方法通過種群分離、種群間相互作用和種群整合，将合作-競争優化整合到一個框架中。研究中設計了一個用于個體表示的二進制編碼矩陣，通過在演化過程中結合博弈過程，設計了合作-競争進化算子，即合作交叉和競争變異，來引導解達到推薦結果的均衡。此外，合作交叉可以通過兩種群之間的交流加快收斂速度。最後，針對具體應用中滿足約束條件的情況，進行修複和選擇操作。研究設計具體算法過程如圖3所示。

在多個真實大規模數據上驗證發現：相比于一般推薦算法，研究算法推薦結果能夠更好地找到同時符合消費者和商家利益的物品，實現平台市場參與方的共赢。

• 異質場景間的行為知識單向與雙向遷移和應用

圖4 異質場景間的行為知識單向遷移框架

圖5 異質場景間的行為知識雙向遷移框架

在該方面的研究中，選取了創業融資和電子商務兩個市場。為了有效地學習融資市場和銷售市場之間的知識互動關系，研究提出了基于轉移注意力的市場前景分析模型（如圖4所示），該模型包含兩個學習模塊，前者是針對創業融資活動異構特征的融資績效建模，後者則是借助銷售市場的相關産品，将目标活動的市場前景潛在語義從活動評論中表征和轉移，兩個模塊通過轉移注意力進行連接和增強；同時，進一步研究提出了另一種新的合作注意力方法（即合作-競争注意力轉移網絡，如圖5所示），該方法可以有效地從兩個市場雙向地學習市場信息，進而對目标市場的狀态學習進行強化。

研究貢獻

研究主要包括三個層面的貢獻，第一，問題層面，發現并定義了複雜異質管理場景下潛在的共生關系，啟發我們構建一系列研究行為、主體、市場之間的關系；第二，技術層面，提出了聯合深度生存模型、合作-競争進化算法、基于轉移注意力的市場前景分析模型等多個模型框架及算法模塊，有助于演化計算、生存分析、遷移學習等多個領域的算法發展；第三，應用層面，多個模型均在大規模真實數據集上進行了實驗，實驗結果證明了模型在結果方面的有效性。因此，設計的模型可以為創業籌資、電子商務、在線慈善等各類場景提供輔助分析和預測工具的應用。

本系列研究受到國家自然科學基金重大項目、青年項目、國家重點研發計劃以及百度、網易開放研究課題資助。

文章引用：

1. Hongke Zhao(趙洪科), 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類期刊)

2. Hongke Zhao(趙洪科), 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(趙洪科), 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類期刊)

4. Lei Zhang, Xiang Wang, Chuang Zhao, Hongke Zhao(趙洪科)（通訊作者），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類會議)

信息來源 / 趙洪科

底圖制作 / 谷葉馨

圖文編輯 /谷葉馨

責任編輯/ 李 庚