基于超网络的企业协同创新社区价值用户主体挖掘方法研究

发布时间：2020-04-29 19:17

【摘要】：企业协同创新社区作为用户信息交互的重要平台,于企业而言是获取创新灵感的不竭源泉,于顾客而言是进行购买决策的重要参照。然而,随着互联网社区的快速发展,用户间的频繁交互及其生成内容的随意表达致使企业协同创新社区的信息过载和信息失真等问题愈加凸显,为社区中的关键用户挖掘及其知识分析带来了巨大的挑战。为此,学者们对相关社区的价值用户挖掘及其知识分析方法进行了一系列的探索。然而,已有成果多聚焦于利用统计分析或社会网络分析的方法对社区中的单质信息进行研究,尚缺乏表达和分析社区多种要素的异质性框架,特别是忽略了对用户的知识要素的探索。同时,已有成果对企业协同创新社区中的关键用户挖掘,尤其是知识型价值用户的挖掘,存在着目标不及、属性模糊和指标单一等问题。因此,本文拟基于超网络的理论和方法提出企业协同创新社区情景下的用户知识超网络模型,实现用户知识全要素的异质性表达,为后续的价值用户挖掘及其知识研究提供有效的分析框架。进而,结合主题识别、聚类分析和遗传算法等数据挖掘方法,对企业协同创新社区的用户特征进行多维属性分析,构建切合目标的价值用户挖掘与分析方法。本研究主要分为四个部分:其一,用户知识超网络模型的构建。通过对用户生成内容进行主题识别,实现用户知识在语义层面的组织与表达。进而通过对社区中的用户、知识等关键要素及其相互映射关系进行分析,构建用户知识超网络模型(User Knowledge Super-Network Model,UKSNM),实现企业协同创新社区用户知识全要素的集成表达。其二,领域专家的识别与分析方法研究。基于用户知识超网络模型,利用其投影映射规则和拓扑结构特性对用户的知识质量和创新潜力等属性进行指标建模,同时对社区中的核心知识领域与热点知识领域进行挖掘分析。进而利用指标法实现特定知识领域下适应知识创新任务(设计型任务或技术型任务)的领域专家识别与分析。其三,天使用户的识别方法研究。基于用户知识超网络模型的拓扑结构特征和天使用户的属性特征,对用户的在线知识质量、协作意愿和传播能力等属性进行指标建模,进而利用聚类分析方法对社区的用户进行社群分析,以此发现企业协同创新社区中的天使用户。其四,协同创新用户群的发现方法研究。针对企业协同创新社区中用户、知识等要素的更迭变化,构建动态用户知识超网络模型(Dynamic User Knowledge Super-Network Model,DUKSNM)。进而基于DUKSNM对用户的知识质量、创新潜力、协作意愿、知识互补性和知识协作能力等属性进行指标建模,综合考虑用户的个体属性与协同属性以构建协同创新用户群发现的多目标决策模型,并用遗传算法进行求解。基于该模型,还可以构建特定知识领域如热点知识领域下的协同创新用户群发现方法。综上所述,本研究构建了一种更适于表达和分析企业协同创新社区异质性要素的超网络模型。基于对用户、知识等关键要素的分析,对社区中领域专家、天使用户和协同创新用户群等知识型用户的挖掘与分析方法进行了深入探索,并利用真实数据验证了本研究框架的有效性。本研究拓展了用户挖掘及知识研究的方法体系及超网络理论在知识管理领域的应用。实践上,该研究为企业获取价值用户及其知识提供了有效的工具,有利于其实现有效的社区知识挖掘与用户管理。
【图文】：

图 2-3 数据质量、信息质量和知识质量评价维度图 2-3 表征了数据质量、信息质量和知识质量的评价维度及其包含关系。其中，值得注意的是，在这种层级递进结构的支持下，利用数据质量和信息质量维度评价知识质量是合理的，但盲目采用所有的维度是不可取的。原因在于：知识不同于数据和信息，其以持有者的承诺和信念为基础[77]。因此于不同利益相关者而言，其侧重的知识质量评价要点各不相同。除了基于数据质量和信息质量的知识质量评价维度，学者们同时基于知识本体特征对知识质量的评价维度进行了研究与表述。相关知识评价维度主要包括：内在知识质量、情景知识质量、可操作知识质量、代表性知识质量和可访问知识质量等[78, 79]。可见，学者们已然对知识质量的评价维度进行了较为充分的研究。然而，鲜有研究对不同知识质量评价维度的具体评价指标进行讨论。本研究通过对有限的文献进行研究对部分常用的知识质量评价维度的具体评价指标进行了梳理，并总结如表 2-2 所示。在表 2-2 中，笔者将学者们常用的知识评价指标总结为六个维度：① 知识本身的

用户通过评论帖子发生知识互动。因此，利用用户要素与文本要素、及文本要与知识要素之间的映射关系，我们可以获取用户与知识要素之间的映射关系。如前述，帖子文本以一定的概率隶属于各知识主题，因此，每个用户拥有或者关注由一比例构成的知识主题组合。值得注意的是，因为用户可能发布多个帖子，而帖子以同的概率隶属于不同的知识主题，因此用户要素与知识要素之间的直接映射关系是个隶属关系的加和。4 用户知识超网络模型 UKSNM 的构建4.1 用户知识超网络建模基于上述节点要素分析和节点映射关系分析，我们可以构建表征企业协同创新社用户知识全要素的用户知识超网络模型 （User Knowledge Super-Networodel）如图 3-3 所示：1112
【学位授予单位】：华南理工大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：F273.1;O157.5;TP18

【参考文献】

中国期刊全文数据库 前10条

1 温平川;傅璧;;基于知识互补性的产学研协同创新:一个创新收益模型[J];科技管理研究;2015年11期

2 田儒雅;刘怡君;牛文元;;舆论超网络的领袖引导模型[J];中国管理科学;2014年10期

3 谷斌;徐菁;黄家良;;专业虚拟社区用户分类模型研究[J];情报杂志;2014年05期

4 马宁;刘怡君;;基于超网络中超边排序算法的网络舆论领袖识别[J];系统工程;2013年09期

5 乐承毅;徐福缘;顾新建;陈芨熙;王有远;;复杂产品系统中跨组织知识超网络模型研究[J];科研管理;2013年02期

6 胡枫;赵海兴;马秀娟;;一种超网络演化模型构建及特性分析[J];中国科学:物理学 力学 天文学;2013年01期

7 张宝生;张庆普;王晓红;;知识网络成员合作行为策略选择研究[J];科研管理;2012年11期

8 汤超颖;邹会菊;;基于人际交流的知识网络对研发团队创造力的影响[J];管理评论;2012年04期

9 陈劲;阳银娟;;协同创新的理论基础与内涵[J];科学学研究;2012年02期

10 刘向;马费成;;科学知识网络的演化与动力——基于科学引证网络的分析[J];管理科学学报;2012年01期

中国博士学位论文全文数据库 前3条

1 肖雯雯;产业超网络建模及其应用研究[D];山东大学;2018年

2 苏加福;协同产品创新知识网络模型及若干关键问题研究[D];重庆大学;2017年

3 廖晓;基于多种知识网络建模的用户创新社区知识发现与分析方法[D];华南理工大学;2015年

，

本文编号：2644908