基于hMETIS与FP-Growth的协同创新社区领域知识发现方法

基于在线社区的协同创新作为一种汲取用户智慧的有效机制,有利于企业发掘其产品创新方向.然而大数据时代下,信息过载及失真为社区中的知识获取带来了诸多挑战,且已有研究主要聚焦于利用价值较低的高频知识的提取.因此,为了充分挖掘用户经验与创新知识,本文基于社区知识间的共现关系构建了知识超图模型,并利用超图划分算法hMETIS对知识超图进行了探索性分析,同时结合关联规则算法FP-Growth进一步研究了知识间的关联关系,以此获取不同领域的价值知识.最后,本文通过一个实例证明了该方法的有效性.本文的研究实现了对社区知识的深度挖掘与分析,提出的领域知识发现方法对企业社区管理和产品创新极具指导意义.     

基于超网络演化模型的社区知识发现与分析

知识作为最重要的无形资源在学界受到了广泛关注,尤其是利用知识网络对社区知识进行表达与挖掘.然而这些同质,静态的网络往往难以充分地描述社区中的知识资源要素及变化.为解决异质性表达问题,本文针对大众协同创新社区中知识的增长和消退机制,构建了一种超网络动态演化模型.同时,应用该模型的拓扑特性指标对社区中的知识分布特性进行分析,提出了基于动态超图的新的知识分类,并以此识别高价值的社区知识.最后,本文对该模型进行了实例验证,对实例中不同类型的知识点进行分析,并提出相应的管理策略.本文的研究对于发现社区中的创新知识,实现社区知识的精确管理提供了方法指导,对于提高社区管理水平和启发企业创新趋势具有重要意义.