社会经济系统是一类重要的复杂系统,涉及到人类经济活动与所处社会环境的复杂相互作用。人类的认识和行为不断发生变化,主观决策过程极大地影响社会经济系统的运行。精准和及时地感知社会经济态势,揭示和理解社会经济发展规律,有重大的理论意义和应用价值。洞察社会经济发展中各方面的状态,并对其发展趋势进行准确的预测,有助于科学地指引社会经济决策。揭示个体的社会经济行为模式,能帮助逐渐实现预测性管理。刻画宏观的社会经济结构,有助于探寻经济发展路径。如何有效地分析社会经济系统的结构与演化规律,是多学科交叉研究领域所关注的重要科学问题,近年来得到了包括计算机科学、网络科学、复杂性科学、统计物理和社会经济学在内的很多相关学科的极大关注。传统的社会经济研究依靠定性或半定量方法,导致不容易从机制层面认识相关问题。利用传统普查数据计算宏观经济指标,整个过程不但消耗大量资源,而且时间滞后很长。不仅如此,传统分析方法难以洞察经济发展的结构转变,无法刻画经济发展过程中的复杂性,缺乏预测经济发展趋势的能力。近年来,硬件和技术的同步发展推动数据化浪潮,为社会经济研究带来了前所未有的机遇和改变。数据获取方式的进步,提高了大规模社会经济数据的可用性。数据规模和多样性的增加,促进了社会经济分析工具和方法论的变革。逐渐应用的新数据和新方法,提高了社会经济研究的定量化程度,催生了一个新兴的交叉学科研究分支,称为计算社会经济学。本文在计算社会经济学框架下,将分别从微观、中观和宏观层面研究社会经济系统的状态推断和结构建模,进而以理论结合实证的方式探究经济的结构演化和发展策略。特别地,不同层面的研究基于类似的空间网络结构和动力学理论基础。本文主要的研究内容和创新点总结如下:(1)在微观层面,基于非干预行为数据研究了社会经济预测性管理。通过分析匿名校园卡数据,提出了谨严性指数来刻画个体行为规律程度。发现谨严性与学生成绩显著相关,使用谨严性特征能显著提高排序学习算法对学生成绩的预测效果。基于企业社会化平台数据构建互动网络和社会网络,发现利用员工在网络中的位置能预测其升离职的可能性。特别地,互动网络比社会网络的预测能力强,预测离职比预测升职容易。通过分析大规模在线平台数据,以量化方式揭示了一些社会经济现象,包括团队规模在8人以下能提高员工沟通效率和绩效表现,中国社交圈规模也在邓巴数150人左右,职场中存在身高溢价和性别不平等现象。(2)在中观层面,基于在线用户评分数据研究了社会经济系统排序。针对信誉排序问题,提出了基于群组的信誉排序GR算法。不依赖传统的产品质量假设,GR算法根据评分群组规模计算用户信誉。真实数据集上的实验结果表明,GR算法对用户的信誉排序比基准算法更准确。进一步,利用迭代寻优过程改进GR算法,提出了迭代信誉排序IGR算法。同时考虑用户数量和信誉计算群组规模,IGR算法的排序准确性和鲁棒性更好。针对产品排序问题,提出了节点相似性CosRA指标,基于此提出的CosRA推荐算法表现更好。进一步,提出了考虑用户信任关系的CosRA+T推荐算法,发现过度依赖信任关系有损推荐效果。(3)在宏观层面,基于大规模真实数据刻画和分析了社会经济结构。利用企业注册信息数据,刻画了中国区域经济复杂性。发现复杂性ECI指标和Fitness指标对中国区域经济发展的预测能力相当,复杂性与收入不平等性负相关。利用人力和企业数据,分别构建了巴西和中国区域产业空间。发现两者都有“核心-边缘”结构,复杂程度高和低的产业分别占据核心和边缘位置。中国产业空间还有“哑铃型”结构,在时间演化上存在区域竞争。利用微博和简历数据,分别构建了信息和人才流动网络。发现根据网络的结构特征能推断区域经济发展水平。特别地,人才流动网络的预测能力强,结合两个网络的特征能解释大约84%的GDP差异。(4)在经济发展和结构演化方面,基于空间网络研究了经济演化路径和产业升级策略。利用空间网络模型和传播动力学过程,揭示了网络的空间结构对信息传播的影响。发现空间网络的长边分布能改变靴襻渗流的相变类型,长边分布的幂指数-1为出现相变点不变的双相变的临界值。针对产业空间和地理近邻网络,分别提出了经济发展的相似技术学习途径和近邻区域学习途径。发现两条途径都能促进区域发展新产业,但两者存在替代效应。进一步,以理论分析结合实证数据,研究了发展经济的最优策略。发现缩短距离能提高协同学习效果,引入高铁能提高区域的产业相似性和生产率,两条协同学习途径都存在最优发展策略。计算社会经济学是一个新兴研究分支,在数据和方法上面临新挑战和新机遇。在未来研究中,值得进一步探索社会经济系统的空间结构与动力学,提高对社会经济态势的感知和对发展规律的理解。长期而言,数据驱动的研究范式必将成为解决社会经济问题的主流方法论,也将深刻地改变社会经济研究的图景。