在线创新社区领先用户识别研究

发布时间：2019-10-03 16:29

【摘要】：开放式创新环境下,用户,尤其是领先用户,在现代企业创新中扮演着日益重要的角色,他们不仅能够为企业产品开发提供需求向导,还能切实参与到企业的产品开发和改进中来。企业利用领先用户创新不仅能够提高产品开发效率,节约成本,还能满足客户的定制化需求。因此,将领先用户纳入到企业的创新体系显得尤为必要。在企业利用领先用户参与创新之前,对领先用户的识别是首当其冲的任务。自Von HippelE教授提出领先用户的概念以来,领先用户的识别就成为众多学者研究的热点。尽管当前的研究已经具备了一些领先用户识别方法,但是这些方法存在着效率不高、需要消耗大量的人力和时间成本等问题。互联网技术的飞速发展促使企业纷纷建立了自己的在线创新社区,为用户创新提供了新的平台,同时,也给领先用户的识别研究提出了新的思路。学者们开始把目光聚焦于在线创新社区中的用户数据。在系统梳理现有的领先用户识别文献和相关方法的基础上,本文着眼于利用在线创新社区中的用户数据,提出了一套基于有监督式机器学习分类算法的领先用户识别方法体系。首先,通过文献查阅、专家访谈、资深用户访问以及对国内一些主流在线创新社区的长期观察发现,除了主题内容的创新性之外,领先用户和非领先用户还在活跃度、社区影响力和用户关系三个方面存在显著差异,据此,本文提出了基于用户内容信息以及基于用户行为数据的领先用户识别指标;其次,结合有监督式机器学习分类算法提出了领先用户识别模型的构建方法;最后,以MIUI论坛的真实数据为例进行了实例分析,结果表明,本文提出的识别指标在领先用户和非领先用户之间具有很好的区分度,并且利用真实数据训练出的识别模型对于预测集的识别也具有较高的准确度。
【图文】：

函数图像,函数图,输出向量

西安理工大学硕士学位论文线性组合，假设第 i 层的输出为向量 = ( +1) ，则第 i+1 层的输出向量为 = （4.1）第 i 层的输出向量为 = ( ) （4.2）其中， = ( ) 为第 i 层所有神经元中的阈值向量， ( )为神经元的激活函数，一般为 sigmoid 函数为 ( ) = （4.3）其中，a 为常量。Sigmoid 函数图像呈 S 型，因此也成 S 型函数，其图像形状图如图4-4 所示。从该图可以看出，a 值越小，该函数的图像越平坦。

超平面,问题转化

假设距离超平面最近的两个类的边界方程为 = 以及 = ，则两条行线之间的距离为 = ，边界到超平面的距离为 = ，此时超平面的方程为 = 。若要保证分类正确，则需同时满足以下两个条件：①对于 = 的样本 Xi， ≥ ;②对于 = 的样本 Xi， ≤ 。从以上两个条件可知，分类正确的充要条件为 ( ) ≥ （4.10）SVM 的超平面参数求解是为了使目标 d 最大化，同时满足分类正确的约束条件，即 ( ) ≥ （4.11）为方便求解，，可将问题转化为求解最小化的问题。由于 = ，可将问题转化为
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP18;F274

【参考文献】