| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第14-25页 |
| 1.1 研究背景 | 第14-16页 |
| 1.1.1 “互联网+”助推我国产业转型 | 第14页 |
| 1.1.2 基于互联网的大众创新成为热潮 | 第14-15页 |
| 1.1.3 用户创新社区兴起 | 第15-16页 |
| 1.2 问题提出 | 第16-18页 |
| 1.3 研究内容与研究意义 | 第18-20页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 研究意义 | 第19-20页 |
| 1.4 拟解决的关键问题 | 第20-21页 |
| 1.5 研究方法与技术路线图 | 第21页 |
| 1.6 论文章节结构及主要创新点 | 第21-25页 |
| 1.6.1 论文章节结构及与问题的对应关系 | 第21-23页 |
| 1.6.2 论文主要创新点 | 第23-25页 |
| 第二章 相关研究综述 | 第25-58页 |
| 2.1 用户创新相关研究 | 第25-32页 |
| 2.2 社区领先用户及识别方法 | 第32-40页 |
| 2.3 虚拟社区知识挖掘方法及应用 | 第40-43页 |
| 2.4 知识网络相关研究 | 第43-52页 |
| 2.5 超网络及知识超网络相关研究 | 第52-57页 |
| 2.6 本章小结 | 第57-58页 |
| 第三章 基于关注度计算的用户创新知识加权网络建模及分析方法 | 第58-79页 |
| 3.1 相关研究方法的不足 | 第58-60页 |
| 3.2 用户创新知识加权网络模型构建 | 第60-62页 |
| 3.2.1 帖子内容采集、挖掘及知识点获取 | 第60-61页 |
| 3.2.2 帖子及知识点的用户关注度计算 | 第61-62页 |
| 3.2.3 用户创新知识BWKN建模 | 第62页 |
| 3.3 BWKN模型应用 | 第62-66页 |
| 3.3.1 基于节点权重的核心知识识别 | 第63页 |
| 3.3.2 基于中心性分析的创新中心点识别 | 第63-64页 |
| 3.3.3 基于边权的创新知识关联模式识别 | 第64页 |
| 3.3.4 基于点边权综合的个体网分析 | 第64-65页 |
| 3.3.5 基于凝聚子群的创新知识类团识别 | 第65-66页 |
| 3.4 实例分析 | 第66-78页 |
| 3.4.1 小米社区BWKN模型构建 | 第66-68页 |
| 3.4.2 小米社区BWKN模型应用 | 第68-75页 |
| 3.4.3 华为社区BWKN模型构建与分析 | 第75-78页 |
| 3.5 本章小结 | 第78-79页 |
| 第四章 基于加权知识网络分析的用户专家知识模式发现及分析方法 | 第79-94页 |
| 4.1 用户专家知识发现方法概述 | 第79-81页 |
| 4.2 WKN模型构建及知识模式发现思路 | 第81-83页 |
| 4.2.1 社区用户专家数据获取及处理 | 第81-82页 |
| 4.2.2 高频词WKN模型构建 | 第82页 |
| 4.2.3 知识模式定义及发现思路 | 第82-83页 |
| 4.3 用户专家知识模式发现及表示 | 第83-86页 |
| 4.3.1 基于派系的基本型知识模式识别 | 第83-84页 |
| 4.3.2 基于非派系的成长型知识模式识别 | 第84-85页 |
| 4.3.3 专家知识模式总集 | 第85页 |
| 4.3.4 基于M1和M2的核心知识模式识别 | 第85-86页 |
| 4.4 实例及应用效果分析 | 第86-93页 |
| 4.4.1 小米社区实例 | 第87-90页 |
| 4.4.2 华为社区实例 | 第90-92页 |
| 4.4.3 实例分析及讨论 | 第92-93页 |
| 4.5 本章小结 | 第93-94页 |
| 第五章 基于加权聚类网络建模的用户创新社区领域知识发现及分析方法 | 第94-105页 |
| 5.1 现有领域知识发现方法及存在的问题 | 第94-95页 |
| 5.2 数据处理及高频词聚类 | 第95-96页 |
| 5.3 基于高频词聚类的WCN建模 | 第96-97页 |
| 5.4 基于WCN的用户创新领域分析 | 第97-98页 |
| 5.5 模型实例及应用效果 | 第98-104页 |
| 5.5.1 小米社区创新帖子采集及高频词聚类 | 第98-100页 |
| 5.5.2 小米社区用户创新知识WCN建模 | 第100-101页 |
| 5.5.3 小米社区WCN分析及效果 | 第101-104页 |
| 5.6 本章小结 | 第104-105页 |
| 第六章 基于知识超网络的用户创新社区知识系统建模及整合分析方法 | 第105-125页 |
| 6.1 用户创新社区知识系统构成分析 | 第105-107页 |
| 6.2 社区用户创新知识超网络（UIKSN）模型构建 | 第107-108页 |
| 6.3 UIKSN建模实例研究 | 第108-111页 |
| 6.3.1 UIKSN模型实例构建步骤 | 第108-109页 |
| 6.3.2 数据采集及处理 | 第109-110页 |
| 6.3.3 知识网络建模及超网络建模 | 第110-111页 |
| 6.4 基于UIKSN的用户创新知识整合分析方法 | 第111-115页 |
| 6.4.1 用户创新热点发现、分析及整合方法 | 第111-112页 |
| 6.4.2 核心创新用户识别方法 | 第112-113页 |
| 6.4.3 用户创新热点领域发现及分析方法 | 第113-114页 |
| 6.4.4 用户个人知识整合分析方法 | 第114-115页 |
| 6.5 实例及效果 | 第115-124页 |
| 6.6 本章小结 | 第124-125页 |
| 第七章 基于用户关注超网络的社区领先用户识别与分析方法 | 第125-143页 |
| 7.1 领先用户特征及识别思路 | 第125-126页 |
| 7.2 用户个人知识关注度相关指标及算法 | 第126-127页 |
| 7.2.1 个人帖子及知识点关注度算法 | 第126-127页 |
| 7.2.2 领域知识关注度算法 | 第127页 |
| 7.3 关注超网络建模及实例 | 第127-129页 |
| 7.3.1 建模思路 | 第127-128页 |
| 7.3.2 模型构建 | 第128页 |
| 7.3.3 模型实例 | 第128-129页 |
| 7.4 基于UHKSN的领先用户识别方法 | 第129-137页 |
| 7.4.1 社区领先用户识别 | 第129-132页 |
| 7.4.2 社区创新热点相关领先用户识别 | 第132-135页 |
| 7.4.3 核心领域相关领先用户识别 | 第135-137页 |
| 7.5 基于UHKSN的个体超网络分析 | 第137-142页 |
| 7.5.1 领先用户个体超网络分析 | 第138-140页 |
| 7.5.2 创新知识个体超网络分析 | 第140-141页 |
| 7.5.3 创新领域个体超网络分析 | 第141-142页 |
| 7.6 本章小结 | 第142-143页 |
| 结论与展望 | 第143-147页 |
| 参考文献 | 第147-162页 |
| 攻读博士学位期间取得的研究成果 | 第162-163页 |
| 致谢 | 第163-164页 |
| Ⅳ－2答辩委员会对论文的评定意见 | 第164页 |
