基于网络视角下的隐性知识传播研究
| 创新点摘要 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-25页 |
| 1.1 研究背景和意义 | 第12-16页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14-16页 |
| 1.2 国内外研究概况 | 第16-23页 |
| 1.2.1 国外研究概况 | 第16-22页 |
| 1.2.2 国内研究概况 | 第22-23页 |
| 1.3 研究内容和论文结构安排 | 第23-25页 |
| 第2章 网络科学与隐性知识传播理论 | 第25-44页 |
| 2.1 网络科学理论 | 第25-34页 |
| 2.1.1 网络科学的定义 | 第25-28页 |
| 2.1.2 网络科学的特征 | 第28-30页 |
| 2.1.3 网络科学的研究内容及依据 | 第30-34页 |
| 2.2 隐性知识传播理论 | 第34-39页 |
| 2.2.1 隐性知识界定 | 第34-36页 |
| 2.2.2 隐性知识的显化及量化 | 第36-37页 |
| 2.2.3 隐性知识的传播特点 | 第37-39页 |
| 2.3 网络中隐性知识传播基本原理 | 第39-43页 |
| 2.3.1 网络中隐性知识的传播方式 | 第39-40页 |
| 2.3.2 网络中隐性知识的传播规则 | 第40-41页 |
| 2.3.3 隐性知识的传播网络属性 | 第41-43页 |
| 2.4 本章小结 | 第43-44页 |
| 第3章 个体节点间的隐性知识传播模式 | 第44-70页 |
| 3.1 系统动力学 | 第44-48页 |
| 3.1.1 设计步骤 | 第44-45页 |
| 3.1.2 基本模型 | 第45-48页 |
| 3.2 传播行为分析及模型建立 | 第48-59页 |
| 3.2.1 传播行为的复杂性因素分析 | 第48-53页 |
| 3.2.2 隐性知识传播过程分析 | 第53-56页 |
| 3.2.3 隐性知识传播动力学模型的建立 | 第56-59页 |
| 3.3 仿真模拟及结果分析 | 第59-67页 |
| 3.3.1 模拟平台和语言 | 第59-60页 |
| 3.3.2 模拟结果分析 | 第60-63页 |
| 3.3.3 模型灵敏度分析 | 第63-67页 |
| 3.4 策略分析与优化 | 第67-69页 |
| 3.5 本章小结 | 第69-70页 |
| 第4章 网络中的隐性知识传播模式 | 第70-95页 |
| 4.1 随机过程与马尔科夫链 | 第70-73页 |
| 4.1.1 离散时间的马尔科夫链 | 第71-72页 |
| 4.1.2 状态转移矩阵及其性质 | 第72-73页 |
| 4.2 网络中隐性知识传播的随机过程模型 | 第73-80页 |
| 4.2.1 网络中的隐性知识传播规则的建立 | 第74-75页 |
| 4.2.2 隐性知识传播状态识别 | 第75-76页 |
| 4.2.3 模型参数分析及模型建立 | 第76-78页 |
| 4.2.4 模型的数学计算 | 第78-80页 |
| 4.3 仿真模拟及结果分析 | 第80-89页 |
| 4.3.1 模型有效性分析 | 第80-82页 |
| 4.3.2 模拟结果分析 | 第82-89页 |
| 4.4 策略分析与优化 | 第89-94页 |
| 4.5 本章小结 | 第94-95页 |
| 第5章 网络中可显化隐性知识的传播优化 | 第95-117页 |
| 5.1 基本优化算法 | 第95-103页 |
| 5.1.1 相似性与相似理论 | 第96-99页 |
| 5.1.2 协同过滤推荐算法 | 第99-102页 |
| 5.1.3 相似度的计算方法 | 第102-103页 |
| 5.2 基于可拓物元的可显化隐性知识优化算法 | 第103-109页 |
| 5.2.1 隐性知识显性化处理 | 第103-104页 |
| 5.2.2 可拓物元模型 | 第104-105页 |
| 5.2.3 物元属性相似度分析 | 第105-106页 |
| 5.2.4 可拓物元相似度计算 | 第106-109页 |
| 5.3 仿真模拟及结果分析 | 第109-116页 |
| 5.3.1 算法描述 | 第109-112页 |
| 5.3.2 算法实现及模拟 | 第112-115页 |
| 5.3.3 结果分析及效果评估 | 第115-116页 |
| 5.4 本章小结 | 第116-117页 |
| 第6章 网络中隐性知识传播风险评估 | 第117-134页 |
| 6.1 风险评估与技术 | 第118-122页 |
| 6.1.1 风险识别的方法与途径 | 第118-119页 |
| 6.1.2 信息熵风险评估模型 | 第119-121页 |
| 6.1.3 HMM模型 | 第121-122页 |
| 6.2 隐性知识传播的风险数据分析 | 第122-127页 |
| 6.2.1 隐性知识传播风险的产生及识别 | 第122-124页 |
| 6.2.2 基于信息熵原理的风险数据预处理 | 第124-127页 |
| 6.3 基于HMM的状态评估模型建立 | 第127-131页 |
| 6.3.1 HMM参数初始化 | 第128-129页 |
| 6.3.2 HMM模型训练算法 | 第129-131页 |
| 6.3.3 风险评估计算 | 第131页 |
| 6.4 仿真模拟及结果分析 | 第131-133页 |
| 6.4.1 模拟平台和语言 | 第131-132页 |
| 6.4.2 模拟结果 | 第132页 |
| 6.4.3 风险对策分析 | 第132-133页 |
| 6.5 本章小结 | 第133-134页 |
| 第7章 总结与展望 | 第134-136页 |
| 7.1 总结 | 第134-135页 |
| 7.2 展望 | 第135-136页 |
| 参考文献 | 第136-148页 |
| 攻读学位期间公开发表论文 | 第148-149页 |
| 致谢 | 第149-150页 |
| 作者简介 | 第150页 |
