【摘要】：互聯(lián)網(wǎng)時代,用戶創(chuàng)新的形式主要是通過企業(yè)虛擬社區(qū)來進行。社區(qū)用戶創(chuàng)新的知識是最貼近用戶需求的創(chuàng)新知識資源,對企業(yè)改進產(chǎn)品和服務(wù)具有不可估量的價值。因此,如何有效地獲取并利用用戶創(chuàng)新知識是企業(yè)和研究者十分關(guān)注的問題。本文結(jié)合企業(yè)社區(qū)創(chuàng)新知識活動的特點,在社區(qū)文本挖掘基礎(chǔ)上,綜合利用知識網(wǎng)絡(luò)、社會網(wǎng)絡(luò)分析、超網(wǎng)絡(luò)分析等多種方法,對用戶創(chuàng)新社區(qū)知識發(fā)現(xiàn)與分析方法進行了深入探討,主要進行了以下創(chuàng)新性工作:(1)針對用戶創(chuàng)新知識特點,構(gòu)建了具有雙屬性的用戶創(chuàng)新知識加權(quán)網(wǎng)絡(luò)模型,并基于模型提出創(chuàng)新知識分析方法。研究中根據(jù)用戶創(chuàng)新知識特點,在原有加權(quán)知識網(wǎng)絡(luò)模型基礎(chǔ)上,引入關(guān)注度指標,并將關(guān)注度和詞頻都作為節(jié)點權(quán)重(二者實質(zhì)上部分反映了創(chuàng)新知識需求和供給情況),從而構(gòu)建了一個具有二類節(jié)點屬性的社區(qū)創(chuàng)新知識加權(quán)網(wǎng)絡(luò)模型(Bi-Weighted Knowledge Network,BWKN),實現(xiàn)了對用戶創(chuàng)新知識的整合建模。對模型應(yīng)用進行了較深入的研究,包括創(chuàng)新熱點發(fā)現(xiàn)、關(guān)注熱點發(fā)現(xiàn)、核心關(guān)聯(lián)模式及創(chuàng)新中心點識別、創(chuàng)新知識類團分析等。(2)針對碎片化的知識點不易理解、缺乏聯(lián)系等問題,提出一種基于加權(quán)知識網(wǎng)絡(luò)分析的社區(qū)用戶專家創(chuàng)新知識模式發(fā)現(xiàn)及分析方法。以用戶社區(qū)帖子為對象進行Web文本挖掘,以加權(quán)知識網(wǎng)絡(luò)模型(Weighted Knowledge Network,WKN)對挖掘的碎片知識進行整合和建模,進而綜合利用WKN模型中的點、邊、權(quán)重,以及社會網(wǎng)絡(luò)分析方法,識別出基于派系的基本型創(chuàng)新知識模式、基于非派系的成長型創(chuàng)新知識模式、核心創(chuàng)新知識模式。從模型及實例可看出,該方法識別出的知識模式,包含了知識點之間的關(guān)系結(jié)構(gòu),因而比零散的知識點更系統(tǒng)、深入,更易理解和應(yīng)用。(3)針對碎片知識的整合問題,提出了一種基于知識點聚類的用戶創(chuàng)新知識加權(quán)聚類網(wǎng)絡(luò)(Weighted Clustered Network,WCN)建模及分析方法。在Web內(nèi)容挖掘基礎(chǔ)上,對高頻特征詞進行聚類,并基于內(nèi)容對所有類進行標記并命名,與高頻詞合并形成創(chuàng)新知識點集,考慮詞頻以及知識點間隸屬關(guān)系,構(gòu)建了層次的用戶創(chuàng)新知識加權(quán)聚類網(wǎng)絡(luò)模型,并基于模型實現(xiàn)對用戶創(chuàng)新知識的深入分析,包括創(chuàng)新子域知識構(gòu)成分析、熱點創(chuàng)新領(lǐng)域識別及表示、熱點子域的核心子類識別及分析等。(4)通過對用戶創(chuàng)新知識系統(tǒng)進行分析,提出了企業(yè)網(wǎng)上社區(qū)用戶創(chuàng)新知識超網(wǎng)絡(luò)模型(User Innovation Knowledge Supernetwork,UIKSN),實現(xiàn)對知識系統(tǒng)全要素的整合建模。該模型包含四種類型節(jié)點:用戶、帖子、創(chuàng)新知識點、創(chuàng)新領(lǐng)域(WCN中的類)和六種類型的邊,并且部分節(jié)點和邊還帶有權(quán)重的加權(quán)超網(wǎng)絡(luò)模型。通過該模型,可全面反映用戶創(chuàng)新社區(qū)中創(chuàng)新用戶、帖子、創(chuàng)新知識點、創(chuàng)新領(lǐng)域等情況,識別出基于UIKSN的社區(qū)領(lǐng)域熱點、社區(qū)用戶創(chuàng)新專家、以及專家和用戶個人的知識專長等。(5)針對社區(qū)中的KNOW-WHO類知識,在UIKSN的基礎(chǔ)上,引入了用戶關(guān)注度指標,提出基于關(guān)注度超網(wǎng)絡(luò)的用戶創(chuàng)新社區(qū)領(lǐng)先用戶識別方法研究。針對創(chuàng)新社區(qū)領(lǐng)先用戶特征,提出基于領(lǐng)先用戶創(chuàng)新需求領(lǐng)先的關(guān)注度算法,將用戶關(guān)注度及用戶創(chuàng)新知識詞頻作為領(lǐng)先用戶識別的兩個重要指標,構(gòu)建具有兩類節(jié)點屬性的社區(qū)用戶關(guān)注超網(wǎng)絡(luò)模型,通過分析用戶的創(chuàng)新知識詞頻及關(guān)注度,識別出社區(qū)的領(lǐng)先用戶。上述提出的用戶創(chuàng)新知識建模及分析方法,不僅解決了社區(qū)零散知識的集成以及社區(qū)領(lǐng)先用戶的識別,還改進了加權(quán)知識網(wǎng)絡(luò)以及加權(quán)超網(wǎng)絡(luò)的建模及分析方法。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：F274;F273.1
【圖文】：

華南理工大學(xué)博士學(xué)位論文成為企業(yè)產(chǎn)品開發(fā)與創(chuàng)新過程中非常重要的問題。傳統(tǒng)的領(lǐng)先用戶識別方法有金字塔法，主要以領(lǐng)先用戶的兩個基本特征為標準：產(chǎn)品的市場與技術(shù)趨勢、期望收益。對領(lǐng)先用戶第一個特征的測量，基本上都是通過咨詢相關(guān)專家來確定市場趨勢。在實際的識別過程中，可用實際創(chuàng)新行為和產(chǎn)品創(chuàng)新的速度來替代領(lǐng)先用戶的第二個特征。如 Urban & von Hippel（1988）對 PC-CAD 領(lǐng)域進行案例測試的研究中，首先通過縮小范圍查找公司或其他用戶公認的、對該產(chǎn)品最熟悉的專業(yè)人士。然后在專業(yè)用戶中進行特定的調(diào)查，根據(jù)這些用戶的回答，成功識別出符合 趨勢前沿，有高收益期望 特征的領(lǐng)先用戶[7]。在金字塔研究方法中，用戶被分為了三個層次，如圖 2-1。在金字塔的最高層即為領(lǐng)先用戶，是具有產(chǎn)品領(lǐng)域精深知識的極少數(shù)人。

（2）BWKN 模型構(gòu)建根據(jù)所獲取的特征詞以及他們之間的共現(xiàn)關(guān)系，由公式（3-2 至 3-10），可依次獲得用戶創(chuàng)新知識點集、知識點權(quán)重集、邊集以及邊權(quán)重集，從而可以構(gòu)建加權(quán)知識網(wǎng)絡(luò)模型（圖 3-1，本文所有網(wǎng)絡(luò)圖由 Ucinet 制作[265]）。屏幕 38 短信 19 刪除 14 備份 12 音量 11 制式 9電腦 32 桌面 18 標簽 14 運行 12 發(fā)熱 11 驅(qū)動 9文件 29 藍牙 17 通話 14 數(shù)據(jù)線 12 修改 11 隱藏 9三星 29 充電 17 助手 14 感應(yīng)器 12 清理 11 通知 9省電 27 電池 17 流量 13 靜音 12 性能 11 電話 9聯(lián)通 24 解鎖 17 下載 13 密碼 11 信號 11 耗電 9安裝 22 圖標 17 內(nèi)存 13 按鍵 11 服務(wù) 10 用戶 9系統(tǒng) 21 程序 16 電源 13 拍照 11 拍攝 10 字體 9電量 20 網(wǎng)絡(luò) 16 相機 13 版本 11 更新 10 優(yōu)化 9

【引證文獻】

相關(guān)會議論文 前1條

1 李婷;余本功;;基于科學(xué)知識圖譜的用戶知識網(wǎng)絡(luò)研究的可視化分析[A];第十九屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2017年

相關(guān)碩士學(xué)位論文 前2條

1 汪Y顂

本文編號：2741291