基于超网络的大众协同创新社区用户知识主体挖掘方法研究

How to discover high value users from the massive, fragmented, heterogeneous user information of virtual communities is a hot research problem of knowledge mining under the age of big data. The project focuses on the mining method of high value knowledge agent in the mass collaborative innovation virtual communities. The research mainly includes: (1) Modeling method for systematic integration of user knowledge of mass collaborative innovation virtual communities based on supernetwork, to build the User Knowledge Supernetwork(UKSN). (2) Mining methods of user knowledge agent for mass collaborative innovation based on UKSN, which include user knowledge community mining method, lead users identification method and knowledge collaborators discovery method. A case study will be conducted to test the proposed methods, and a prototype system will be designed for the project. Breakthroughs can be expected on the model of UKSN and mining methods of high value knowledge agent for the mass collaborative innovation virtual communities. The research findings will help to enrich the theory of USKN for mass collaborative innovation virtual communities, and demonstrate the validity of knowledge mining methods base on superwork, and provide a useful reference for user knowledge resource management practice under the background of knowledge supernetwork.

如何从海量的、零散的、异质的社区用户知识资源中挖掘出高创新价值的用户知识主体是大数据背景下知识资源挖掘问题的研究热点。本项目围绕着大众协同创新社区中高价值知识主体的挖掘问题展开研究。主要研究内容：（1）基于超网络的大众协同创新社区用户知识系统整合建模方法，通过多种知识网络集成，构建大众协同创新社区用户知识超网络模型；（2）基于用户知识超网络模型，研究面向协同创新需求的用户知识主体挖掘方法，包括用户创新知识社群聚类方法、领先用户识别方法和知识协同者发现方法等。本研究将通过应用实例及原型系统来对模型及方法进行验证。本研究将在大众协同创新社区的用户知识超网络建模和高价值知识主体挖掘方法上取得一定进展。预期成果既是对大众协同创新社区用户知识超网络的理论探索，又是从超网络知识挖掘方法层面上的有益尝试，对知识超网络环境下用户知识资源管理实践有一定的参考价值。

如何从海量的、零散的、异质的社区用户知识资源中挖掘出高创新价值的用户知识主体是大数据背景下知识资源挖掘问题的研究热点。本项目围绕着大众协同创新社区中高价值知识主体的挖掘方法展开研究。按照申请书中的研究计划，扎实稳步地推进本项目的研究工作，并取得了相当可观的学术研究成果。在此基础上，本项目还对大众协同创新社区中的价值知识进行了挖掘与分析。本项目资助发表核心论文11篇，会议论文1篇，研究生毕业论文10篇。.首先，针对大众协同创新社区中存在的多维异质性要素，本项目利用超网络理论与方法对社区中的知识、知识的物质载体和知识的生命载体及其之间的隶属关系进行了具体的量化表达，解决了单维同质网络表达与分析中存在的维度局限性，有助于我们对企业协同创新社区的用户、知识要素进行系统性分析。同时为其他复杂知识系统的集成表达与分析提供了借鉴。.其次，综合考虑大众协同创新社区的创新需求与具体用户特征，本项目对社区中存在的用户创新知识社群、领先用户、知识协同者、影响力用户、问题回答者和领域专家的具体属性特征进行了界定，并利用前述的用户知识超网络模型对其进行定量建模与分析，以识别最契合相关属性特征的目标用户组群。本项目研究丰富了超网络的度量体系，同时拓展了用户属性特征的描述框架和量化路径，完善了用户行为分析与用户角色识别的研究体系。.第三，针对大众协同创新社区中用户生成内容的无组织性特征，结合创新知识获取的需求，本项目利用用户知识超网络模型对在线内容的知识领域划分、动态演化分类和知识结构组成进行了研究，同时还探索了图文结合的知识挖掘方法。相关研究成果不再聚焦于零散知识点，而是深入特定问题，可以有效明确用户的产品体验和精确需求。对提高社区管理水平和启发企业创新趋势具有重要意义。