當(dāng)前虛擬知識社區(qū)已經(jīng)成為人們進行知識共享和信息交流的重要場所。為應(yīng)對傳統(tǒng)虛擬知識社區(qū)面臨的知識共享積極性不高、知識變現(xiàn)困難和存在大量的“搭便車”行為等困境,區(qū)塊鏈虛擬知識社區(qū)通過引入?yún)^(qū)塊鏈和通證經(jīng)濟對激勵機制進行革新,旨在以通證強化用戶的知識共享行為。盡管有學(xué)者對區(qū)塊鏈虛擬知識社區(qū)在促進內(nèi)容創(chuàng)新和謠言治理方面進行了積極展望,但根據(jù)近期研究發(fā)現(xiàn),這類社區(qū)在文章投票過程中逐漸出現(xiàn)用戶間為最大化利益進行合謀或跟隨他人決策形成抱團。顯然,用戶的抱團行為已經(jīng)偏離了區(qū)塊鏈虛擬社區(qū)系統(tǒng)設(shè)計的目標(biāo),其與知識貢獻之間有何種影響尚不明確。由于用戶的知識貢獻水平關(guān)系到社區(qū)長遠發(fā)展,本文對區(qū)塊鏈虛擬知識社區(qū)用戶抱團行為與知識貢獻的關(guān)系進行研究。首先,通過對區(qū)塊鏈技術(shù)及應(yīng)用、通證經(jīng)濟和虛擬社區(qū)有關(guān)文獻進行梳理,對基于區(qū)塊鏈的虛擬知識社區(qū)進行定義,并引出本文的研究問題;其二,對區(qū)塊鏈虛擬知識社區(qū)用戶分類和激勵機制進行分析,并結(jié)合抱團行為相關(guān)理論,以Steemit社區(qū)為例將用戶抱團行為界定為知識生產(chǎn)抱團行為和知識發(fā)現(xiàn)抱團行為,并據(jù)此對兩種抱團行為構(gòu)建網(wǎng)絡(luò)模型并進行分析:其中,通過用戶知識主題相似性對抱團行為初步網(wǎng)絡(luò)...

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1本文研究技術(shù)路線示意圖

華南理工大學(xué)碩士學(xué)位論文6驗數(shù)據(jù)進行變量描述統(tǒng)計、單位根檢驗、PVAR模型估計與脈沖響應(yīng)分析，以期得到區(qū)塊鏈虛擬知識社區(qū)中用戶抱團行為與知識貢獻的關(guān)系實證結(jié)果。（4）比較分析法。本文根據(jù)有關(guān)虛擬社區(qū)角色分類的文獻，將用戶分為知識生產(chǎn)者、知識發(fā)現(xiàn)者與瀏覽者，對實驗數(shù)據(jù)進行聚類劃分用....

圖3-1Steemit社區(qū)中的通證類型及轉(zhuǎn)換關(guān)系

股份。社區(qū)通過SP激勵用戶進行長期投資。當(dāng)用戶將Steem轉(zhuǎn)為SP后，該部分通證將短期無法交易，但用戶能夠獲得更高權(quán)益：數(shù)據(jù)區(qū)塊產(chǎn)生時的穩(wěn)定回報以及在社區(qū)投票過程中擁有更大權(quán)重。SBD是Steemit社區(qū)的債券，每一個SBD對應(yīng)一個美元。通過SBD通證，用戶能夠一定程度上回避因S....

圖3-2LDA主題模型生成過程示意圖

絞劍?誥蠐锪現(xiàn)械囊??鏌濉Ｋ?謂隱含語義的挖掘指通過文本中的詞共現(xiàn)關(guān)系來發(fā)現(xiàn)主題結(jié)構(gòu)。該模型的優(yōu)點是不依賴任何來自文本方面的背景知識，對主題的表達還能夠解決“一詞多義”問題。目前，LDA模型在專利研究[82]、視頻分類[83]、用戶知識挖掘[84]和情感分析方面被廣泛應(yīng)用[85]....

圖3-3非重疊社區(qū)劃分示意圖

第三章基于區(qū)塊鏈的虛擬知識社區(qū)用戶抱團行為網(wǎng)絡(luò)構(gòu)建與分析27取Louvain算法對知識發(fā)現(xiàn)抱團網(wǎng)絡(luò)進行社區(qū)劃分，該方法是基于模塊度最優(yōu)化的算法之一，其優(yōu)點是能夠在極短的時間內(nèi)發(fā)現(xiàn)社區(qū)的層次結(jié)構(gòu)，并且不會對小社區(qū)結(jié)構(gòu)發(fā)生遺漏。同時，該算法劃分出來的社區(qū)是非重疊社區(qū)（如圖3-3所示）....

本文編號：3959920