張海濤，任 亮，劉偉利，周紅磊

（1.吉林大學管理學院，長春130022；2.吉林大學信息資源研究中心，長春130022；3.中國科學技術信息研究所，北京100038）

1 引言

在“大眾創(chuàng)新”的時代背景下，隨著互聯(lián)網(wǎng)Web 2.0技術日新月異的發(fā)展，基于虛擬網(wǎng)絡社區(qū)而獲取外部創(chuàng)新資源已成為當前企業(yè)實施創(chuàng)新驅(qū)動發(fā)展的新常態(tài)，知識成為創(chuàng)新的重要載體。識別和充分利用擁有知識創(chuàng)新能力的用戶、挖掘并有效管理用戶知識資源已成為企業(yè)掌握社區(qū)并獲取創(chuàng)新優(yōu)勢的關鍵，因此，開放式創(chuàng)新社區(qū)應運而生。

目前，學術界對于開放式創(chuàng)新社區(qū)的研究主要聚焦于用戶知識行為領域，如知識采納、知識分享、知識貢獻等行為，這些行為的協(xié)同推動了知識創(chuàng)新的過程。因此，有學者提出用戶知識協(xié)同概念。用戶是知識創(chuàng)新的主體，正是用戶間一系列知識行為的協(xié)同、交互，從而產(chǎn)生知識點的創(chuàng)新，即用戶知識協(xié)同效應[1]。用戶知識協(xié)同是一項過程概念，從用戶知識行為的角度展開，以知識創(chuàng)新為最終目的，發(fā)生于某一特定的平臺場所，通過用戶之間并行或串行地協(xié)同工作，在用戶間形成有序的知識流，并演變成新的知識結構，最終實現(xiàn)知識創(chuàng)新的過程[2]。同時，由于聚焦于共同的創(chuàng)新主題，形成緊密穩(wěn)定的用戶協(xié)同交互網(wǎng)絡。因此，用戶知識協(xié)同，是指社區(qū)用戶以產(chǎn)品或服務的創(chuàng)新及優(yōu)化為目的，進行的諸如瀏覽、查詢、創(chuàng)造、評論、收藏等知識行為的協(xié)同交互過程，促進隱性知識顯性化表達，并以知識文本的形式呈現(xiàn)。

隨著知識經(jīng)濟、大數(shù)據(jù)業(yè)務的發(fā)展，知識資源已成為企業(yè)越來越重要的資產(chǎn)。開放式創(chuàng)新社區(qū)中，知識來自不同知識文本，在用戶的協(xié)同交互作用下而創(chuàng)作；用戶間協(xié)同形成網(wǎng)絡關聯(lián)，知識單元間的共現(xiàn)關系形成知識網(wǎng)絡，不同網(wǎng)絡間還存在著互為映射的錯綜復雜的聯(lián)系，這種復雜關系可以用超網(wǎng)絡來揭示。目前，超網(wǎng)絡已成為復雜網(wǎng)絡、知識網(wǎng)絡領域的常用工具，廣泛應用于知識管理領域。

廖曉[3]以MIUI社區(qū)為研究對象，構建了社區(qū)用戶創(chuàng)新知識超網(wǎng)絡模型；孫薇等[4]提出知識超網(wǎng)絡模型，“知識元”是超網(wǎng)絡研究的核心；大部分知識元來源于分詞技術提煉，少數(shù)需要人工提煉；知識元同知識載體網(wǎng)絡形成互為映射的關系，即形成知識超網(wǎng)絡結構。Zhang等[5]利用超網(wǎng)絡研究企業(yè)知識結構的異質(zhì)性表達問題，并揭示了知識協(xié)同交互和網(wǎng)絡演化的問題。Zhao[6]基于知識本身、知識主體和知識載體三種類型的網(wǎng)絡，以其復雜的映射關系建立多層復合網(wǎng)絡。

總結而言，超網(wǎng)絡是融合多種類型網(wǎng)絡，構建了兩種及兩種以上類型的復雜網(wǎng)絡模型，其基本構成要素是知識元、文本載體和用戶。本研究擬采用超網(wǎng)絡理論，整合知識網(wǎng)絡和知識的載體網(wǎng)絡，探索開放式創(chuàng)新社區(qū)知識協(xié)同創(chuàng)新的全景，解析用戶間知識協(xié)同創(chuàng)新的機理。

2 子網(wǎng)絡構建

用戶、知識文本和知識元是開放式創(chuàng)新社區(qū)的主要構成要素。本研究用“知識基因”的概念來替代“知識元”，知識基因是用戶所發(fā)布文本中提煉出的核心思想、知識結構，是引領知識協(xié)同創(chuàng)新過程中的最小承載單位[7]；其載體有兩種：一種是生命載體，另一種是物質(zhì)載體。生命載體指社區(qū)內(nèi)的用戶，物質(zhì)載體是指發(fā)表于社區(qū)論壇上的帖子、評論等。

與常規(guī)的同質(zhì)網(wǎng)絡相比，超網(wǎng)絡能夠更好地反映開放式創(chuàng)新社區(qū)的多層、多維、多級與多屬性等特征。如用戶間協(xié)同關系、用戶間知識行為的交互作用、知識組成、知識以及知識文本匹配關聯(lián)關系、成員知識存量等。構建涵蓋各要素間關聯(lián)關系的超網(wǎng)絡模型，首先需要構建各組成要素間的子網(wǎng)絡模型。

2.1 用戶網(wǎng)絡建模

用戶主體網(wǎng)絡是指研究不同用戶間協(xié)同關系演變的網(wǎng)絡，以用戶為節(jié)點、以用戶間的協(xié)同關系為邊，從而建立用戶網(wǎng)絡。

用戶網(wǎng)絡模型：

其中，有限集合U={u1,u2,…,un}是用戶網(wǎng)絡中的節(jié)點。在研究過程中，需要對用戶進行篩選和分類，以知識的創(chuàng)新、協(xié)同關聯(lián)為標準，以是否保留有發(fā)帖、發(fā)布評論等行為為依據(jù)。

用戶網(wǎng)絡中邊的集合：

其中，若θ(ui,uj)=0，則表示兩位用戶間不存在協(xié)同關系；若θ(ui,uj)=1，則表示兩位用戶間存在協(xié)同關系。例如，共同評論一項帖子，二者之間互有回復，包括點贊行為等。

用戶網(wǎng)絡中邊的權重：

代表用戶間協(xié)同程度，如用戶在同一帖子下均有評論或者互有回復交流界定為一次協(xié)同。

2.2 知識文本網(wǎng)絡建模

知識文本是用戶在社區(qū)論壇中所發(fā)布的帖子及相關評論的總稱，需要同用戶一一對應，同時也需要與該文本中所提取的知識基因一一對應，起到承上啟下的作用。現(xiàn)有研究中，針對文本間關聯(lián)網(wǎng)絡的研究主要考慮文本間的相似度問題，但該相似度的研究對于解釋用戶間知識的演化或者協(xié)同創(chuàng)新問題的意義不大，且工作量繁瑣。超網(wǎng)絡的研究重點并不是知識文本之間的關聯(lián)，而是重點研究與用戶網(wǎng)絡、知識基因網(wǎng)絡相互銜接的縱向關系。因此，以知識文本作為載體，既能解釋上述問題，又能簡化研究流程[8]。

將發(fā)帖用戶發(fā)布的文本帖子定義為知識文本T，則該集合為

每一條帖子下面均有其他用戶參與評論及回復，產(chǎn)生新的知識，整合每一條帖子下面的評論信息，定義為知識文本T′，則該集合為

其中，T′為T的衍生知識文本，該集合中每一條文本信息均與原帖一一對應。用戶創(chuàng)作帖子，其他用戶參與評論，這體現(xiàn)了用戶之間知識協(xié)同的交互作用。

2.3 知識基因網(wǎng)絡建模

通過對知識基因的提煉，可以觀測到該板塊下前沿技術的聚焦點或產(chǎn)品創(chuàng)新的演變方向。知識基因的提取，一方面要涵蓋文本帖子的核心思想；另一方面要指引產(chǎn)品創(chuàng)新的發(fā)展方向。建立知識基因的子網(wǎng)絡模型，需要以知識文本中提煉的知識基因作為網(wǎng)絡節(jié)點，以不同知識基因之間的共現(xiàn)關系為邊，構建網(wǎng)絡模型[9]，并定義為

知識基因來源于文本分詞，以G′來表示知識基因的初始集合，令η(gi,tj)=1表示gi是tj的知識基因；否則η(gi,tj)=0。令q(gi)表示知識基因出現(xiàn)的頻次，其值計算公式為

根據(jù)q(gi)對原G′知識基因的初始集合進行篩選，剔除詞頻較低的知識基因，以及詞頻較高、實際信息含量較低的知識基因，得到知識基因節(jié)點的集合G，以及其權重集合Q(G)：

其中，節(jié)點集合G={g1,g2,…,gn}代表網(wǎng)絡中不同的知識基因節(jié)點集合。知識基因節(jié)點的選擇以q0閾值為標準，設q0=5。

網(wǎng)絡的節(jié)點權重Q(G)={Qg1,Qg2,…,Qgn}代表該板塊下知識基因的重要性程度，通過知識基因出現(xiàn)的頻次以及作用意義大小衡量決定。在圖譜可視化過程中，面積越大，代表節(jié)點越重要。

網(wǎng)絡的邊：

表示不同知識基因之間的共現(xiàn)關系，代表用戶在知識創(chuàng)新過程中產(chǎn)生的知識關聯(lián)情況。是共現(xiàn)次數(shù)的閾值，當w′0＞2時，表示兩種知識基因之間存在相連的邊。

邊的權重：

該值為知識基因間的共現(xiàn)次數(shù)，代表一系列創(chuàng)新活動之間的關聯(lián)程度，用邊的粗細程度來表示關聯(lián)的強弱。

3 子網(wǎng)絡間映射關系

用戶與知識文本、知識文本與知識基因、用戶與知識基因之間均存在復雜的對應關系，三種網(wǎng)絡銜接在一起，形成了知識、知識載體、作者相互之間關聯(lián)關系的系統(tǒng)整體。

3.1 用戶網(wǎng)絡與知識文本網(wǎng)絡

用戶網(wǎng)絡與知識文本網(wǎng)絡的映射關系，意味著用戶協(xié)同交互作用下的知識創(chuàng)新。將用戶與知識文本之間的關系集合定義為：

其中，α(ui,uj)=1表示用戶ui發(fā)表了帖子tj。一般而言，用戶總量與知識文本數(shù)量并沒有直接的關系。

定義用戶到知識文本之間的映射為

表明用戶ui發(fā)布的知識文本t數(shù)量為1,…,n。

3.2 知識文本網(wǎng)絡與知識基因網(wǎng)絡

知識文本的核心思想可以由一系列核心的知識基因組合來表達。通過知識文本網(wǎng)絡同知識基因網(wǎng)絡的關聯(lián)，可了解到不同知識文本的知識基因構成。因此，定義知識文本到知識基因之間的關系集合為

其中，β(ti,gj)=1表示知識文本ti中分析提煉的知識基因gj。

映射關系邊的權重為

表示知識文本ti網(wǎng)絡中知識基因gj出現(xiàn)的頻次。

知識文本與知識基因之間存在相互映射的關系，有兩種表示方式。其一：

表示為同一知識文本中，所包含的知識基因。其二：

表示該知識基因包含在哪些知識文本中。

3.3 用戶網(wǎng)絡與知識基因網(wǎng)絡

用戶是知識的擁有者，知識基因是其核心知識、技術或者思想的內(nèi)涵表達[10]。因此，定義用戶與知識基因之間的映射關系集合為

其中，χ(ui,gj)=1表示用戶ui發(fā)表的帖子中含有知識基因gj，即用戶所貢獻或創(chuàng)新的知識中含有知識基因gj。

關系權重定義為

表示在用戶網(wǎng)絡中，某用戶對知識基因gj的貢獻度。

用戶到知識基因之間的映射同樣有兩種表示方式，其一：

表示用戶ui通過發(fā)布知識文本，在其知識創(chuàng)作過程中，共演化形成的知識基因數(shù)量。其二：

表示共同擁有知識基因gj的用戶。

4 超網(wǎng)絡模型構建及案例分析

開放式創(chuàng)新社區(qū)超網(wǎng)絡模型包括用戶網(wǎng)絡、知識文本網(wǎng)絡和知識基因網(wǎng)絡三種子網(wǎng)絡，以及子網(wǎng)絡之間的映射關系，涉及節(jié)點、邊和權重三項要素，用OISNW來表示。超網(wǎng)絡能夠展示用戶間的知識協(xié)同交互關系、用戶的知識創(chuàng)新情況和知識文本網(wǎng)絡中知識基因的分布，凸顯用戶知識創(chuàng)新的熱度等。

4.1 超網(wǎng)絡模型構建

定義開放式創(chuàng)新社區(qū)知識協(xié)同創(chuàng)新超網(wǎng)絡總體模型為OISNW={V,E,W}。其中，節(jié)點集合包括社區(qū)用戶集合U={u1,u2,…,un}、知識文本集合T={t1,t2,…,tn}，以及知識基因集合G={g1,g2,…,gn}。節(jié)點集合可以表示為

超網(wǎng)絡邊的集合，一方面，包括各個子網(wǎng)絡邊的集合，即用戶網(wǎng)絡的邊Eu-u、知識文本子網(wǎng)絡的邊Et-t、知識基因子網(wǎng)絡的邊Eg-g；另一方面，包括子網(wǎng)絡之間的映射，即超邊，用戶知識主體網(wǎng)絡與知識文本網(wǎng)絡之間的超邊EU-T、知識文本網(wǎng)絡與知識基因網(wǎng)絡之間的超邊ET-G、用戶網(wǎng)絡與知識基因網(wǎng)絡之間的超邊EU-G。綜上所述超網(wǎng)絡邊的集合為

超網(wǎng)絡權重的集合，一方面，包括各個子網(wǎng)絡邊權重的集合，即用戶網(wǎng)絡邊的權重W(Eu-u)、知識基因網(wǎng)絡邊的權重W(Eg-g)；另一方面，包括知識基因節(jié)點權重Q(G)，即用戶網(wǎng)絡節(jié)點的權重Q(U)。此外，超邊權重的集合在實際應用過程中仍然有一定的研究價值，令用戶網(wǎng)絡與知識基因網(wǎng)絡之間的超邊權重為W(EU-G)，其可以展示用戶對相關知識熱點創(chuàng)新的貢獻度。綜上所述，超網(wǎng)絡權重的集合為

最終開放式創(chuàng)新社區(qū)超網(wǎng)絡的總體模型為

如圖1所示，通過構建該模型，能夠詳細地解釋用戶之間的知識協(xié)同關系，在用戶知識協(xié)同交互作用下，展示用戶知識文本的創(chuàng)新情況，通過知識文本與知識基因網(wǎng)絡的連接，判斷知識文本的重要性程度，通過用戶與知識基因間的銜接，判別核心創(chuàng)新用戶。

4.2 案例分析思路

OISNW需要結合實際案例來展示模型的可視化效果，案例分析過程包含四部分內(nèi)容。

（1）數(shù)據(jù)采集及清洗：采集內(nèi)容包括帖子標題、作者、內(nèi)容及評論、發(fā)表時間、收藏、點贊、瀏覽及回復次數(shù)等；然后對采集到的數(shù)據(jù)進行整理清洗，如去除瀏覽量低、文本較短以及價值性不高文本。

（2）編碼及內(nèi)容提取：編碼是指對作者即用戶、帖子以及知識基因的集合進行編碼，并一一對應。首先建立用戶集合U，接下來建立帖子集合T，最后進行文本分詞，建立知識基因集合G。

圖1 開放式創(chuàng)新社區(qū)超網(wǎng)絡概念模型

（3）子網(wǎng)絡構建：基于用戶及用戶間互動的數(shù)據(jù)建立用戶的協(xié)同網(wǎng)絡MU；基于知識基因的集合，建立知識基因網(wǎng)絡MG。

（4）超網(wǎng)絡模型構建：在上述集合U、T、G，以及子網(wǎng)絡MU、MG的基礎上，建立開放式創(chuàng)新社區(qū)知識協(xié)同創(chuàng)新的超網(wǎng)絡模型，并展開可視化分析。模型構建的操作步驟如圖2所示。

圖2 案例分析過程及步驟

4.3 數(shù)據(jù)來源及處理

本研究的數(shù)據(jù)來源為華為“花粉俱樂部”社區(qū)平臺，選擇華為P30手機系列版塊，玩機技巧欄目，數(shù)據(jù)實驗爬取時間范圍是從該板塊成立之日至2019年12月21日18:30。用戶數(shù)據(jù)總共25502條，帖子在實際數(shù)據(jù)處理過程中，需要進行篩選及清洗，篩選標準為：來源于精華帖，內(nèi)容超過100字，創(chuàng)新要具有足夠的吸引力，綜合考慮瀏覽量、評論度等，經(jīng)過篩選最終得到76條帖子。本研究采用Python編程中的jieba分詞功能，對文本進行分詞，提煉知識文本中關鍵內(nèi)容，最終得到知識基因集合。

4.4 可視化超網(wǎng)絡圖譜及結果討論

4.4.1 超網(wǎng)絡圖譜

超網(wǎng)絡圖譜涉及用戶網(wǎng)絡、用戶所發(fā)布的原帖知識文本網(wǎng)絡和以知識基因為節(jié)點的網(wǎng)絡結構。以圖2模型為思路，利用Python編程構建用戶、知識文本以及知識基因三者網(wǎng)絡間的聯(lián)系，得到關系矩陣，并利用Ucinet構建超網(wǎng)絡可視化圖譜，如圖3所示。

在圖3中，為呈現(xiàn)出較好的效果，u代表用戶的編碼，t代表知識文本編碼，知識基因以中文文本形式展示；圖3的中心部分即知識基因的節(jié)點集合，圖3的上半側是用戶節(jié)點的集合，圖3的下半側是知識文本節(jié)點的集合；以中心度為標準來展示網(wǎng)絡中節(jié)點面積大小，即節(jié)點的權重，以邊的粗細程度來表示不同節(jié)點間映射關系的強度，即邊的權重。主要的知識基因節(jié)點共7項，按照節(jié)點中心度排序，如表1所示。

圖3 超網(wǎng)絡圖譜

表1 知識創(chuàng)新熱點發(fā)現(xiàn)及排序

由表1可知，該板塊下知識創(chuàng)新集中在新一代信息通信技術、手機硬件、設計、功能應用等領域；反映了企業(yè)和消費者共同關注的話題，在一定程度上代表了產(chǎn)品的核心功能和特點。當然，也有可能產(chǎn)品在上述領域存在瑕疵及不足，許多用戶提出相關問題，并就這些問題提出優(yōu)化方案，幫助其他用戶提升使用體驗感。

由于涉及超邊的權重問題，即加入了用戶網(wǎng)絡與知識基因網(wǎng)絡之間的超邊，其權重為W(EU-G)，也可以直觀的展示出相關用戶對核心知識基因節(jié)點貢獻度的大小。如u7、u9、u2、u12、u1等用戶，其與知識創(chuàng)新熱點之間的權重均較高，顯示出上述用戶對知識熱點較高的創(chuàng)新貢獻度。與此同時，上述用戶的中心度也比較高，其知識創(chuàng)新的覆蓋范圍更廣，掌握著更多的知識創(chuàng)新資源。

此外，知識協(xié)同創(chuàng)新過程雖然是一項全體社區(qū)用戶協(xié)同參與的過程，但少數(shù)核心用戶具有較高的創(chuàng)新貢獻度，具有引領知識協(xié)同創(chuàng)新方向的作用，知識創(chuàng)新資源仍集中在少數(shù)核心用戶手中。然而，上述核心用戶的識別不夠精確，應該篩選出核心知識基因，在核心知識基因網(wǎng)絡的基礎上，進一步甄別核心用戶。

4.4.2 核心創(chuàng)新用戶及核心知識文本識別

核心創(chuàng)新用戶是指對社區(qū)創(chuàng)新知識貢獻度較大，能夠持續(xù)產(chǎn)出社區(qū)核心創(chuàng)新知識的用戶。識別出核心創(chuàng)新用戶才能更加深入地了解用戶間如何協(xié)同，揭示知識協(xié)同創(chuàng)新的內(nèi)在機理，并引導其知識創(chuàng)新方向。針對核心創(chuàng)新用戶的識別，本研究基于核心知識基因節(jié)點，逆向識別核心創(chuàng)新用戶。

重新定義核心知識基因網(wǎng)絡，即知識基因網(wǎng)絡下的子網(wǎng)絡，表示為

根據(jù)核心知識基因網(wǎng)絡確定核心創(chuàng)新用戶網(wǎng)絡，相關的用戶可表示為

其中，gj為網(wǎng)絡內(nèi)的核心知識基因節(jié)點；γ(ui,gj)表示用戶ui發(fā)表的帖子中含有知識基因gj形成了一條超邊；q(ui,gj)≥q′0表示用戶ui關聯(lián)知識基因gj的種類；設定閾值為q′0，超過該閾值，才能有資格成為核心創(chuàng)新用戶。

建立一個“核心創(chuàng)新用戶-核心知識基因”節(jié)點相銜接的二維網(wǎng)絡模型，定義為

以上述超網(wǎng)絡模型中的知識基因集合為依據(jù)，對核心知識基因節(jié)點進行篩選，設置知識基因出現(xiàn)的頻次閾值q0=5，用戶貢獻核心知識基因的閾值q′0=5，利用Python進行核心知識基因和核心創(chuàng)新用戶的抽取，最終得到核心創(chuàng)新用戶和核心知識基因效果，如圖4所示。

在圖4中，紅色u表示用戶節(jié)點，藍色節(jié)點文字表示知識基因。通過上述計算過程，共識別出核心用戶37名，其中心度代表用戶所關聯(lián)的知識基因種類數(shù)量，并以節(jié)點面積的大小在圖中可視化呈現(xiàn)。其具體排名以及ID名稱如表2所示。

表2 核心創(chuàng)新用戶列表（部分）

通過上述研究發(fā)現(xiàn)，經(jīng)過更為科學的識別過程，識別出排名前幾位的核心創(chuàng)新用戶。社區(qū)內(nèi)知識創(chuàng)新貢獻最大的來源仍是部分核心用戶。核心創(chuàng)新用戶正是圍繞著“5G”“攝像頭”“CPU”等知識基因節(jié)點展開知識協(xié)同活動，以知識基因為載體建立協(xié)同關系。此外，用戶間往往具有更多的相似話題，由于知識創(chuàng)新方向的一致性，使得其協(xié)同關聯(lián)性更緊密；核心創(chuàng)新用戶會聚焦于熱度較高的知識基因，緊抓知識創(chuàng)新的熱點效應更明顯。因此，核心創(chuàng)新用戶往往有較高的知識素養(yǎng)，完善的知識結構；同時，具有較強的知識協(xié)同參與動機，通過與社區(qū)內(nèi)其他用戶的協(xié)同，時刻保持高效的學習狀態(tài)，完善汲取相關知識。

類似地，以核心基因作為基礎，可逆向推導出核心知識文本，建立“核心知識文本-核心知識基因”的二維網(wǎng)絡模型，定義為

圖4 核心創(chuàng)新用戶圖譜(彩圖請見http://qbxb.istic.ac.cn/)

在圖5中，紅色t代表知識文本節(jié)點，藍色節(jié)點代表知識基因，共識別出核心知識文本47項，知識文本的中心度以節(jié)點面積的大小在圖中可視化呈現(xiàn)。其具體排名如表3所示。

表3 核心知識文本列表（部分）

知識文本涵蓋多種知識基因，主題涉及領域非常廣泛，如拍攝、5G以及其他智能化技術的主題研究，在多項知識文本中共現(xiàn)，突現(xiàn)了當前研究的熱點。此外，兩張圖譜內(nèi)知識基因的中心度大小的次序發(fā)生變化，是由于實驗中計算核心創(chuàng)新用戶發(fā)布的所有知識文本，因此可能存在用戶創(chuàng)新知識文本，但并不屬于核心創(chuàng)新知識文本的情況。選取排名前5位的核心知識文本，構建其關聯(lián)的用戶及知識基因網(wǎng)絡模型，解析高價值的、創(chuàng)新性知識文本的前沿研究動態(tài)，如圖6所示。

在圖6中，4名用戶均為識別出的核心創(chuàng)新用戶，其中u7發(fā)布兩條帖子t27和t63。不同的知識文本聚焦的知識主題略微不同，但仍存在交叉關聯(lián)的知識基因，聚焦于新的通信技術、設計理念、硬件升級等領域內(nèi)的知識創(chuàng)新，突出了用戶間知識創(chuàng)新的協(xié)同，隨著知識創(chuàng)新過程的演化，用戶越來越聚焦于共同的主題，協(xié)同開展知識創(chuàng)新活動。

綜上所述，用戶具有前沿知識熱點的敏感性，能夠時刻把握知識創(chuàng)新的態(tài)勢；同時，核心知識基因與多名用戶互有關聯(lián)，即用戶聚焦于少數(shù)幾個知識領域協(xié)同開展知識創(chuàng)新。針對用戶間共有知識基因的現(xiàn)象，需加入用戶間的溝通過程開展研究，引入用戶評論文本，在更加微觀的層面深入探討發(fā)帖及評論過程中如何協(xié)同開展知識討論，進而形成知識創(chuàng)新。

4.4.3 用戶知識協(xié)同作用下的知識創(chuàng)新過程

加入用戶間的回復及評論作為原帖的附加文本，能夠更進一步說明用戶間的知識協(xié)同如何在原有知識認知的基礎上，建立新的知識內(nèi)容、引導知識創(chuàng)新等。用戶發(fā)帖，其他社區(qū)用戶協(xié)同參與評論，用戶原貼中所映射的知識基因，與參與該帖評論所映射的知識基因，兩者既有聯(lián)系又有區(qū)別。

圖5 核心知識文本圖譜(彩圖請見http://qbxb.istic.ac.cn/)

圖6 “核心知識文本-核心用戶-核心知識基因”關聯(lián)圖譜(部分)

從核心創(chuàng)新用戶中挑選出具有代表性的用戶，設定為用戶Ua，以其為核心的用戶網(wǎng)絡為MUa={U,Eu-u,W(Eu-u)}，權重W(Eu-u)是用戶間評論或回復的次數(shù)；以Ua為核心，大致呈星形分布。用戶Ua發(fā)布帖子的集合為T(Ua)={t1,t2,t3,…,tm},1≤m≤n，同理，所對應的帖子評論或回復文本的集合 為T′(Ua)={t′1,t′2,t′3,…,t′m},1≤m≤n，其 中 知 識文本的編碼順序按照發(fā)布時間依次排列。

用戶Ua所發(fā)布帖子對應的知識基因集合為G(Ua)={g1,g2,g3,…,gm}，因此，其知識基因網(wǎng)絡模型為MG(Ua)=(G,Q(G))。同理，帖子評論所對應的知 識 基 因 集 合 應 該 為其知識基因的網(wǎng)絡模型為M′G(Ua)=(G′,Q(G′))。

根據(jù)上文超網(wǎng)絡的內(nèi)容，建立小型超網(wǎng)絡模型，包括用戶與帖子的超邊EUa-T(Ua)和EUa-T′(Ua)；知識文本與知識基因之間的超邊，存在某種情況，即某知識基因既來自帖子中，又來自其評論內(nèi)容文本中，會 形 成4種 類 型 的 超 邊：ET(Ua)-G(Ua)、ET′(Ua)-G′(Ua)、ET(Ua)-G′(Ua)、ET′(Ua)-G(Ua)。因此，最終該小型超網(wǎng)絡是同一用戶下，對應兩種不同類型的知識文本，兩種知識文本又向下對應兩種類型的知識基因網(wǎng)絡，該模型定義為

選取兩位用戶進行對比分析，為了更加清晰地對比兩者在知識協(xié)同創(chuàng)新過程中的異同。兩名用戶分別為“白果小木”（企業(yè)內(nèi)部用戶）和“千里落花風”（消費者用戶），抓取兩者在該板塊的發(fā)帖數(shù)據(jù)、評論數(shù)據(jù)、用戶交互數(shù)據(jù)以及知識創(chuàng)新熱點數(shù)據(jù)，利用UCINET制作可視化圖譜，如圖7和圖8，由于用戶數(shù)據(jù)量較大，因此，只展示具有較大協(xié)同關聯(lián)度的用戶。

在圖7和圖8中，u代表用戶，t代表該用戶發(fā)布的知識文本帖子，c代表該帖下面的評論內(nèi)容集合，其下一層衍生出知識基因，即知識協(xié)同創(chuàng)新的熱點。

對比分析兩名用戶，如表4所示，與“白果小木”相關聯(lián)的用戶達到3400名之多，與“千里落花風”相關聯(lián)的用戶更是達到7815名之多。顯然，兩個用戶均具有較高的關注度，帶動其他參與評論、知識協(xié)同的用戶非常多，參與度非常高，這也說明核心用戶對于社區(qū)知識協(xié)同創(chuàng)新具有較強的導向作用。消費者用戶的協(xié)同群體規(guī)模更大，能夠影響到更多的受眾群體。

圖7 “白果小木”知識協(xié)同創(chuàng)新熱點演化

圖8 “千里落花風”知識協(xié)同創(chuàng)新熱點演化

表4 兩位用戶知識創(chuàng)新熱點統(tǒng)計

“白果小木”用戶知識創(chuàng)新聚焦于前沿手機技術、便民功能的應用探討，針對該主題的知識創(chuàng)新也是一項逐漸深化的過程。有許多用戶深度參與其知識創(chuàng)新過程中，如u2009、u2102等與該用戶間深度交流，如評論、點贊等行為的頻次達到8次。出現(xiàn)在不同的知識文本中的知識基因達到27個，關聯(lián)度較高的知識熱點為語音助手、人像模式以及一鍵打印等，這也證明知識基因的擴散并不局限，可以產(chǎn)生于不同的文本之中，由全體用戶共同擁有。此外“c1、t1”“c3、t3”“t2、c1”“t3、c2”等組合均存在互為關聯(lián)的知識基因，相關評論內(nèi)容圍繞原帖展開知識協(xié)同討論，提供了相關知識、技術要點，與該用戶進行了充分的知識協(xié)同，帶動了社區(qū)知識創(chuàng)新的活躍度，給予了該用戶創(chuàng)作靈感。由圖7可以看出，t3知識文本帖子中的知識基因有部分來自c1、c2的評論內(nèi)容，說明其進行第三條帖子的創(chuàng)作中，已經(jīng)充分吸收其他用戶的智慧，這也印證了用戶的知識創(chuàng)新是全體用戶間協(xié)同的，共同參與的。

同上，繼續(xù)分析“千里落花風”用戶，相對而言，該用戶作為消費者中的一員，具有更強的用戶影響力，更能代表用戶的需求。其關注領域很多，包括硬件、功能應用以及相關技術等；出現(xiàn)在不同的知識文本中的知識基因達到22個，其中關聯(lián)度最高的知識熱點為息屏、手環(huán)、安裝升級等，可以很明顯的在圖中看出，這些高相關度的知識基因在不同帖子及評論內(nèi)容中擴散，即用戶間的知識協(xié)同交互效果更明顯。該用戶知識創(chuàng)新主題范圍很廣，不僅局限于手機拍照，還涉及手機性能提升、電池智能管理以及一系列手機應用小技巧，在知識基因中具體表達為一系列的關鍵技術及前沿操作技巧。與此同時，評論內(nèi)容中也不乏一些新奇的觀點和想法，創(chuàng)新性的內(nèi)容輸出往往能夠吸引更多創(chuàng)新性的評論，進而能夠為創(chuàng)作者的下一次創(chuàng)作帶來更多的靈感，汲取更多的知識，也幫助相關用戶挖掘產(chǎn)品的更多相關功能，提出有更加創(chuàng)造性的使用技巧和改進措施。因此，用戶在進行創(chuàng)新性的知識輸出時，不僅有社區(qū)獎勵等物質(zhì)利益的增加，還包括知識收益，即能夠接觸到更多創(chuàng)新性的知識。

用戶圍繞相關話題，以發(fā)帖作為知識創(chuàng)新的輸出成果，以評論作為用戶間知識創(chuàng)新的協(xié)同橋梁，知識協(xié)同創(chuàng)新正是在用戶創(chuàng)作，交流評論再創(chuàng)作過程中得以實現(xiàn)。以“白果小木”為例深入細致分析用戶間如何協(xié)同，實現(xiàn)知識協(xié)同創(chuàng)新的演化。

如圖9和圖10所示，該用戶發(fā)布帖子t1后，在10名主要用戶的知識協(xié)同作用下，產(chǎn)生評論及知識交流的文本c1，在拍照、語音助手等話題下衍生出新的知識基因，可能在原有話題上進一步延伸，也可能拓展出新的話題方向，如人像模式，飽和度、AI等。經(jīng)過用戶間充分的知識交流碰撞、吸收消化，用戶創(chuàng)作帖子t2，充分借鑒融合了部分用戶間討論而衍生出的觀點，在圖中體現(xiàn)為t2與c1有共同的知識基因：一方面，可以回答用戶間知識協(xié)同過程中形成的問題；另一方面，可以基于共同的話題，提出新穎的創(chuàng)意，衍生出新的知識創(chuàng)新方向。知識協(xié)同創(chuàng)新在微觀用戶個體中演化的過程正是在用戶間不斷的創(chuàng)作、交流評論過程中產(chǎn)生，而每一名用戶知識創(chuàng)新過程的行為集合組成了社區(qū)平臺整體的知識協(xié)同創(chuàng)新過程[11]。

綜上所述，本研究驗證了用戶帖子以及用戶帖子評論內(nèi)容的關聯(lián)關系，無論是企業(yè)用戶還是消費者用戶，都會從評論內(nèi)容中采納吸收相關知識，并用于新一輪的知識創(chuàng)新；用戶的知識采納過程通常發(fā)生在用戶知識協(xié)同交互過程中[12]；消費者用戶相對于企業(yè)內(nèi)部用戶能夠?qū)崿F(xiàn)更加豐富的創(chuàng)新知識產(chǎn)出，所能帶動的協(xié)同用戶群體規(guī)模更大；沒有相關用戶的評論與關注，將嚴重降低用戶參與知識創(chuàng)新的積極性。

圖9 “白果小木” t1帖子及評論

圖10 “白果小木” t2帖子創(chuàng)作

5 結論

本研究應用超網(wǎng)絡理論，將用戶網(wǎng)絡、知識文本網(wǎng)絡和知識基因網(wǎng)絡三者關聯(lián)到一起，構建不同子網(wǎng)絡之間的映射關系，最終形成超網(wǎng)絡模型，并結合實際案例數(shù)據(jù)，利用Ucinet繪圖軟件進行超網(wǎng)絡模型的構建，進行可視化分析，實現(xiàn)了知識創(chuàng)新熱點的識別和挖掘；識別出核心創(chuàng)新用戶及核心知識文本；探索出用戶間知識協(xié)同創(chuàng)新的演化過程，將用戶間知識協(xié)同的作用以及知識基因間的協(xié)同進化演變銜接在一起，為社區(qū)知識創(chuàng)新資源的全要素管理、優(yōu)化用戶知識協(xié)同創(chuàng)新情境提供了借鑒，為挖掘高質(zhì)量創(chuàng)新用戶團體，獲取創(chuàng)新知識熱點等目標提供了方法。