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

发布时间：2020-07-04 16:08

【摘要】：互联网时代,用户创新的形式主要是通过企业虚拟社区来进行。社区用户创新的知识是最贴近用户需求的创新知识资源,对企业改进产品和服务具有不可估量的价值。因此,如何有效地获取并利用用户创新知识是企业和研究者十分关注的问题。本文结合企业社区创新知识活动的特点,在社区文本挖掘基础上,综合利用知识网络、社会网络分析、超网络分析等多种方法,对用户创新社区知识发现与分析方法进行了深入探讨,主要进行了以下创新性工作:(1)针对用户创新知识特点,构建了具有双属性的用户创新知识加权网络模型,并基于模型提出创新知识分析方法。研究中根据用户创新知识特点,在原有加权知识网络模型基础上,引入关注度指标,并将关注度和词频都作为节点权重(二者实质上部分反映了创新知识需求和供给情况),从而构建了一个具有二类节点属性的社区创新知识加权网络模型(Bi-Weighted Knowledge Network,BWKN),实现了对用户创新知识的整合建模。对模型应用进行了较深入的研究,包括创新热点发现、关注热点发现、核心关联模式及创新中心点识别、创新知识类团分析等。(2)针对碎片化的知识点不易理解、缺乏联系等问题,提出一种基于加权知识网络分析的社区用户专家创新知识模式发现及分析方法。以用户社区帖子为对象进行Web文本挖掘,以加权知识网络模型(Weighted Knowledge Network,WKN)对挖掘的碎片知识进行整合和建模,进而综合利用WKN模型中的点、边、权重,以及社会网络分析方法,识别出基于派系的基本型创新知识模式、基于非派系的成长型创新知识模式、核心创新知识模式。从模型及实例可看出,该方法识别出的知识模式,包含了知识点之间的关系结构,因而比零散的知识点更系统、深入,更易理解和应用。(3)针对碎片知识的整合问题,提出了一种基于知识点聚类的用户创新知识加权聚类网络(Weighted Clustered Network,WCN)建模及分析方法。在Web内容挖掘基础上,对高频特征词进行聚类,并基于内容对所有类进行标记并命名,与高频词合并形成创新知识点集,考虑词频以及知识点间隶属关系,构建了层次的用户创新知识加权聚类网络模型,并基于模型实现对用户创新知识的深入分析,包括创新子域知识构成分析、热点创新领域识别及表示、热点子域的核心子类识别及分析等。(4)通过对用户创新知识系统进行分析,提出了企业网上社区用户创新知识超网络模型(User Innovation Knowledge Supernetwork,UIKSN),实现对知识系统全要素的整合建模。该模型包含四种类型节点:用户、帖子、创新知识点、创新领域(WCN中的类)和六种类型的边,并且部分节点和边还带有权重的加权超网络模型。通过该模型,可全面反映用户创新社区中创新用户、帖子、创新知识点、创新领域等情况,识别出基于UIKSN的社区领域热点、社区用户创新专家、以及专家和用户个人的知识专长等。(5)针对社区中的KNOW-WHO类知识,在UIKSN的基础上,引入了用户关注度指标,提出基于关注度超网络的用户创新社区领先用户识别方法研究。针对创新社区领先用户特征,提出基于领先用户创新需求领先的关注度算法,将用户关注度及用户创新知识词频作为领先用户识别的两个重要指标,构建具有两类节点属性的社区用户关注超网络模型,通过分析用户的创新知识词频及关注度,识别出社区的领先用户。上述提出的用户创新知识建模及分析方法,不仅解决了社区零散知识的集成以及社区领先用户的识别,还改进了加权知识网络以及加权超网络的建模及分析方法。
【学位授予单位】：华南理工大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：F274;F273.1
【图文】：

金字塔,专业知识,图例,领先用户

华南理工大学博士学位论文成为企业产品开发与创新过程中非常重要的问题。传统的领先用户识别方法有金字塔法，主要以领先用户的两个基本特征为标准：产品的市场与技术趋势、期望收益。对领先用户第一个特征的测量，基本上都是通过咨询相关专家来确定市场趋势。在实际的识别过程中，可用实际创新行为和产品创新的速度来替代领先用户的第二个特征。如 Urban & von Hippel（1988）对 PC-CAD 领域进行案例测试的研究中，首先通过缩小范围查找公司或其他用户公认的、对该产品最熟悉的专业人士。然后在专业用户中进行特定的调查，根据这些用户的回答，成功识别出符合趋势前沿，有高收益期望特征的领先用户[7]。在金字塔研究方法中，用户被分为了三个层次，如图 2-1。在金字塔的最高层即为领先用户，是具有产品领域精深知识的极少数人。

网络图,创新知识

（2）BWKN 模型构建根据所获取的特征词以及他们之间的共现关系，由公式（3-2 至 3-10），可依次获得用户创新知识点集、知识点权重集、边集以及边权重集，从而可以构建加权知识网络模型（图 3-1，本文所有网络图由 Ucinet 制作[265]）。屏幕 38 短信 19 删除 14 备份 12 音量 11 制式 9电脑 32 桌面 18 标签 14 运行 12 发热 11 驱动 9文件 29 蓝牙 17 通话 14 数据线 12 修改 11 隐藏 9三星 29 充电 17 助手 14 感应器 12 清理 11 通知 9省电 27 电池 17 流量 13 静音 12 性能 11 电话 9联通 24 解锁 17 下载 13 密码 11 信号 11 耗电 9安装 22 图标 17 内存 13 按键 11 服务 10 用户 9系统 21 程序 16 电源 13 拍照 11 拍摄 10 字体 9电量 20 网络 16 相机 13 版本 11 更新 10 优化 9

【引证文献】