面向知识创新的科研组织知识社区挖掘——从社会资本的角度

Scientific research organization is one of the important initiatives for knowledge innovation in the knowledge economic era. The formation of knowledge community has great value for knowledge innovation in a scientific research organization. Knowledge community is becoming the new trend in knowledge management. Based on the people oriented conception in the second generation knowledge management, this research aims to explore new solutions in community detection for scientific research organizations from social capital angle in order to promoting knowledge innovation. Research issues are as follows: (1) the social capital based network model, in which multiple relations between researchers are extracted according to the three dimensions of social capital and attributes of individuals are added; (2) community detection and optimization, by combining an algorithm for optimizing modularity and clustering algorithms based on semantic similarity between nodes; (3) main topic discovery for knowledge community, by extracting the research topic of core person in the community, and by extracting activity nodes from keyword network; (4) formal concept analysis based knowledge structure detection for community. This research develops and extends knowledge management theories， it also has great significance in facilitating knowledge innovation, cultivating innovative talents and constructing innovation teams.

科研组织是知识经济时代知识创新的主体之一。知识社区的形成对于科研组织知识创新具有重要价值。围绕知识社区的研究也成为当代知识管理研究的新热点。本课题基于第二代知识管理以人为本的思想，从社会资本角度，研究面向知识创新的科研组织知识社区挖掘，研究内容包括：（1）基于社会资本的网络模型研究，利用社会资本的三个维度-认知维度、关系维度和结构维度探究科研人员之间的多种关系，并增加节点属性来构建异质网络模型。（2）知识社区发现及优化，根据加权网络模块度进行初步社区划分，再利用节点属性之间的语义相似度来进一步优化社区划分。（3）知识社区核心主题探测，从核心人物节点属性和关键词网络活跃节点两方面来进行挖掘和对比。（4）基于形式概念分析的社区知识结构探测。本研究补充和完善了知识管理的理论体系，在促进知识创新、培养创新人才、建设创新团队和群体等方面具有重要意义。

知识社区的形成对科研组织知识共享和科技创新有极大的促进作用。对于知识社区的识别和挖掘也成为第二代知识管理研究的重点。本课题从社会资本的角度进行“面向知识创新的科研组织知识社区挖掘”研究。主要创新之处在于以下三方面。第一提出了基于社会资本理论的异构社会网络模型，从认知维度、关系维度、结构维度三个方面来抽取和测度科研人员间多种关联，并为三种关联赋予了不同的权重系数，以此得到一个整合的网络。第二提出了融合网络结构与节点属性的社区划分优化方案，在以网络拓扑结构进行社区划分的基础上，采用基于维基百科文章内容的显性语义分析法来计算节点属性相似度，通过求解整个网络模块度的最优解来对社区划分结果进行优化，使得挖掘出的社区不仅结构上连接紧密，而且内容关联性强。第三将形式概念分析理论用于组织知识结构挖掘，提出了基于作者关键词耦合的形式背景构建方法，并以概念格内的语义网络形式可视化地展现组织知识结构，揭示出每个研究主题的核心关键词和活跃作者。与传统的知识结构探测方法相比，基于形式概念分析的方法不仅能有效、合理地描述复杂概念及其层次关系，还能客观地显示出作者与关键词之间隐含的复杂关联关系。