基于复杂网络理论的知识资源协作网络的模块化特性研究样本.docx

资料内容仅供您学习参考，如有不当或者侵权，请联系改正或者删除。知识网络的研究成为当前知识管理研究的热点分支, 它是知识管理发展的第二代知识管理的产物, 是在复杂网络研究成果的基础上随着复杂网络理论研究的不断深入而逐渐发展起来的。但当前对知识网络的研究还处于深层机理与动力学特性等基础理论的探讨阶段。在经济全球化的今天, 协作与联盟成为一种趋势。对于以知识为基础的协作与联合是联盟的一种高级形式。在协作或联盟活动中, 技术人员、 领域专家、 软件资源、 信息系统等多种类型的知识资源组成了一个面向问题求解的复杂网络体系。如果将这种网络体系在一定时间界限内进行叠加, 就能够得到一个知识资源协作的复杂网络, 本文简称其为知识资源协作网络。对这个网络体系的复杂网络特性进行分析, 一方面能够了解协作与创新的动力学方面的特性, 另外, 对企业了解自身的知识资源状态、 进行创新战略决策、 进行创新工程组织等都能够提供有效的参考。本文从知识模块化、 协作性、 相似性、 群聚性的角度, 提出基于知识模块化的概念, 并采用复杂网络的理论方法对知识资源协作网络的特性进行了初步的探讨。项目基于知识资源的模块化、 协作性、 相似性、 群聚性, 提出”知识协作模块”的概念, 基于对知识资源网络中知识资源节点与”知识协作模块”的无标度参数的数值分析, 提出知识资源模块化配置的方法与策略。另外, 一个知识协作模块一般映射为某一问题求解能力, 知识协作模块中知识资源配置的完备性揭示出企业的创新能力。因而, 本项目提出知识节点的”谱”变量, 用于标识不同分类的知识资源, 提出知识协作模块的”模块谱编码”的设想。经过知识协作模块”标准谱编码”数据库的建立, 能够对比评估知识协作模块的合理性及企业知识资源网络的完备性。另外, 谱编码的对比, 还可发现企业现有能力的不足及人才引进与人才培养的策略与方向, 能够预计人才流失对企业创新能力可能造成的损害。知识能力的发挥是由知识资源间的协作产生的, 因而知识协作模块化的特性研究对企业创新能力分析及知识资源的配置有特别重要的意义。在本项目中, 对某一业务问题的求解是由知识资源协作网络中某些局部节点及其连接边所构成的小局域结构实现的, 本项目将这个局域结构称为知识协作模块。经过研究发现, 知识协作模块的小局域网络表现为相关节点间紧密而又规则的连接关系, 近似地构成了小范围的完善系统, 且这些节点具有相近的节点度分布, 对知识资源网络的构成、 网络的聚集性、 抗冲击能力有着重要影响。在进行知识模块化分析之前, 根据引文网络与合作网络的前期研究做如下定义: l 定义1: 如果某一组节点在相近的某一问题求解过程中重复出现( 或出现的概率大于80%) , 那么这一组节点即被定义为一个知识协作模块。l 定义2: 如果某些节点缺失造成知识协作模块连接度下降50%以上, 那么认为知识协作模块解体, 认为知识资源协作网络中该问题求解能力减弱或丧失。为使知识协作模块化现象与规律在知识资源协作网络中被捕获与呈现, 本项目首先根据”大众分类法( Folksonomy) ”对每项知识资源分配了一个谱编码( r) 。每一类型的资源有唯一的谱编码。那么在复杂网络中, 知识协作模块就表现为重复出现的”谱编码字段”( 如图8所示) 。本项目就将这个”谱编码字段”作为知识资源协作网络中提取( 或划分) 知识协作模块的重要依据。图8知识协作模块谱编码示意图经过研究知识协作模块的如下复杂网络参数, 可在一定程度上解析知识模块的微观动力学特性,国内外学者已经对些分析参数做了较多的研究工作: 平均路径长描述了知识协作网络的连通性; 群聚系数描述了知识协作网络的协作性与稳定性; 节点度分布描述了知识协作模块分布及知识资源网络的生命力; 介数描述网络的中心性。平均路径长( D) : 平均路径长的定义如公式(1)所示。式中dji为节点i到节点j的距离, 即要经过几个其它节点。D值越大, 表示该网络中的资源处于独立状态, 没有发挥群体作用。因而, 该信号提示在网络管理方面应采取相应的行动或措施增强群体资源的协作能力。知识协作模块在网络中发挥的作用不大, 模块组建能力及企业的创新能力较弱。 ( 1) 群聚系数( C) : 网络的群聚系数( clustering coefficient) 是衡量网络的集团化程度的重要参数, 是一个局部特征量。节点i的群聚系数Ci定义为节点i的邻接点之间实际存在的边数与所有可能的边数的比值。其数学表示如公式( 2) 所示。其中ki表示节点i的度, ei表示节点i的邻接点之间实际存在的边数。整个网络的群聚系数即为它的算术平均值, 如公式( 3) 所示。 ( 2) ( 3) 介数( Bi) : 网络中不相邻的节点j和k之间的通讯主要依赖于连接节点j和k的路径所经过的节点, 如果某个节点被其它许多路径经过, 则表示该节点在网络中很重要。定量地描述某个节点在网络中的影响力或重要性能够用节点的介数( node betweeness) 来衡量。介数( betweeness) Bi是社会网络里衡量节点的中心性的一个指标量, 其定义如公式( 4) 所示。其中njk(i)表示节点j、 k之间最短路径的个数, njk(i)表示节点节点j、 k之间最短路径中经过节点i的个数。在拓扑意义下, 节点j和k之间的最短路径指的是节点j、 k之间经过边数最少的路径, 但当网络是一个加权网络时, 节点j和k之间的最短路径就是j、 k之间经过边权之和最小的路径。 (4)节点度分布P(k): 不是每个知识协作模块都有相同的概率与其它知识协作模块进行协作, 在复杂网络中这种协作往往体现为择优性( 即问题求解时, 新的知识协作模块总是最先连接到已有连接度比较高的其它模块) 。节点度分布P(k)是指某知识协作模块具有k条连接边的概率。对不同节点P(k) 的计算可获知资源协作网络中不同模块的连接情况, 能够发现当前网络中的关键模块( 企业的关键问题求解能力) 。这对资源管理与知识资源配置是非常有意义的, 因为网络的稳定性、 连接性等都是由这些关键模块支配。同时对关键模块的把握有益于资源优化配置、 资源检索等管理功能的实施。经过对知识协作网络的无标度特性的分析还能够发现, 一般在知识协作模块中存在一个知识协作元节点, 其介数比较高, 其连接度也比较高。知识协作模块对某业务问题求解的参与多数经过该节点来实现, 本项目称其为知识协作模块的”头节点( Leader Node) ”。基于局域单元的”知识协作模块”的研究是本项目的新设想, 这对于复杂网络理论的研究也属于一个新的尝试。该研究强调了知识资源的局域协作性, 抛弃了从单纯知识单元节点进行知识网络特性研究的思路。这不但为知识管理的基础理论研究提供新的思路, 对复杂网络的演化机制与动力学特性分析也有一定的参考价值。