資源描述：
《虛擬社區(qū)成員知識共享績效評估模型研究.pdf》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、㈣糍型囅裂：搿≯雕型㈣㈣礁射㈦雛引博剖，+㈡㈦㈦：㈦㈡㈠4∥蠢引㈦：㈦撼。副；_{!_}戮緲㈣
2、
3、
4、
5、i
6、；{；_鍘《㈣崩雛捌燃緩引
7、；
8、{}㈦黲DOI：10．3969，j．issn．1003—1154．2015．04．028虛擬被區(qū)成員知識共享績效評估檁型研究口谷斌黃家良(華南理工大學經濟與貿易學院。廣東廣州510006)[摘要]從知識共享網絡視角出發(fā)，在深入分析PageRank模型以及虛擬社區(qū)知識共享網絡后，提出虛擬社區(qū)成員知識共享績效評估模型，詳細闡述該模型的適用范圍、數(shù)學定義及應用算法，最后通過實驗的方式驗證了模型的有效性。[關鍵詞]虛擬社區(qū)；知識共享；績效；PageRank[
9、中圖分類號]F272．4【文獻標識碼]A[文章編號]1003—1154(2015)04-0082—03瑞格爾德[11提出，“虛擬社區(qū)為一群主要藉由計算機網絡彼此溝通的人們，他們彼此有某種程度的認識、分享某種程度的知識和信息、在很大程度上如同對待朋友般彼此關懷，從而所形成的團體”?？芍摂M社區(qū)出現(xiàn)的初衷與意義在于成員間的知識共享與交流，知識共享機制對虛擬社區(qū)有重要意義。在現(xiàn)實情況中，不同成員對虛擬社區(qū)知識共享的貢獻差異極大．發(fā)現(xiàn)知識共享中的“關鍵成員”對推動社區(qū)的知識共享水平具有重要意義。虛擬社區(qū)成員之間通過知識共享行為構建了知識共享網絡，能夠基于PageRank對用戶的知識共享績效進
10、行客觀、精確的評估。本文首先綜述PageRank模型在虛擬社區(qū)應用的研究，并闡述虛擬社區(qū)知識共享網絡的內涵與特征，然后提出一個基于知識共享網絡的虛擬社區(qū)知識共享績效評估模型～KSR(Knowledge—SharingRank)模型，最后通過實驗的方式驗證其有效性。一、理論回顧(一)pageRank模型及其基本思想PageRank模型的定義由式(1)描述，PR(i)冪-11PR(j)分別為節(jié)點i和節(jié)點jfl向PR值，LI(i)代表節(jié)點i的鏈人節(jié)點集合，0(j)為從節(jié)點j的鏈出數(shù)目。但該模型存在著等級沉沒和等級泄漏問題，于是修正模型式(2)被提出．其中d為逃脫因子，取0．85左右。PR(i
11、)-∑jEu㈤等(1)PR(i)_(1-d)艟j￡u(i)器(2)PageRank模型的基本思想包括：(1)節(jié)點的“影響力”由所有鏈入節(jié)點的影響力共同決定，而不考慮其鏈出節(jié)點，其影響力等于從所有鏈入節(jié)點得到的影響力之和；(2)一個節(jié)點的影響力平均地分配給所有的鏈出節(jié)點，鏈出節(jié)點數(shù)量越多，每個鏈出節(jié)點得到的影響力就越少。(二)PageRank模型在虛擬社區(qū)的應用研究綜述PageRank模型在虛擬社區(qū)中的應用，主要集中于對虛擬社區(qū)成員的影響力評估，或發(fā)現(xiàn)“意見領袖[2]”。但是，PageRank模型并不能直接套用于虛擬社區(qū)領域．存在“平均分配PR值的”問題[3]。學者們對PageRank算
12、法進行改進，并用于評估虛擬社區(qū)的用戶影響力。例如，Char等?考慮到了用戶的行為特征，提出Behavior—RelationshipRank算法。唐飛龍[5]設計了UserImpackRank(UIR)排序算法。二、虛擬社區(qū)成員知識共享網絡虛擬社區(qū)知識共享包括兩層含義。一是指虛擬社區(qū)的成員之間互相傳遞和交流知識，另外是指虛擬社區(qū)與成員之間互相分享知識哺]，本文指前者。虛[基金項目]國家社科基金項目(12BTQ041)；廣東省重大決策咨詢課題(2014102)；教育部人文社會科學研究規(guī)劃基金項目(12YJA630033)．囝管理現(xiàn)代化擬社區(qū)成員之間的知識共享行為形成了知識共享網絡。定義是
13、：由虛擬社區(qū)中成員以及成員間知識傳遞行為所構成的網絡系統(tǒng)。該系統(tǒng)反映了成員間的歷史知識共享行為，是一個有向、加權網絡。網絡中的節(jié)點代表了社區(qū)成員節(jié)點代表社區(qū)成員，有向鏈接代表成員之間的知識傳遞行為，鏈接權重代表知識傳遞次數(shù)。知識共享網絡的數(shù)學模型為：G=(N，E，W)。其中，G為社區(qū)知識共享網絡圖；N是節(jié)點集合；E是鏈接集合，如果e
14、(一)算法基本思想綜上所述，可以發(fā)現(xiàn)：(1)PageRank算法思想能夠被借鑒于虛擬社區(qū)成員的知識共享績效評估研究；(2)PageRank模型不能直接應用于虛擬社區(qū)成員的知識共享績效評估，需要結合虛擬社區(qū)知識共享網絡的內涵與特征對算法進行修正；(3)已有研究對PageRank算法的修正都是為了解決“平均分配PR值”的問題，忽略了PageRank的其他特征。這對于本文的研究對象并不合適。結合虛擬社區(qū)知識共享網絡的內涵．本文提出KSR(Knowle
