基于超网络的用户知识协同创新研究——以开放式创新社区“花粉俱乐部”为例

张海涛，任 亮，刘伟利，周红磊

（1.吉林大学管理学院，长春130022；2.吉林大学信息资源研究中心，长春130022；3.中国科学技术信息研究所，北京100038）

1 引言

在“大众创新”的时代背景下，随着互联网Web 2.0技术日新月异的发展，基于虚拟网络社区而获取外部创新资源已成为当前企业实施创新驱动发展的新常态，知识成为创新的重要载体。识别和充分利用拥有知识创新能力的用户、挖掘并有效管理用户知识资源已成为企业掌握社区并获取创新优势的关键，因此，开放式创新社区应运而生。

目前，学术界对于开放式创新社区的研究主要聚焦于用户知识行为领域，如知识采纳、知识分享、知识贡献等行为，这些行为的协同推动了知识创新的过程。因此，有学者提出用户知识协同概念。用户是知识创新的主体，正是用户间一系列知识行为的协同、交互，从而产生知识点的创新，即用户知识协同效应[1]。用户知识协同是一项过程概念，从用户知识行为的角度展开，以知识创新为最终目的，发生于某一特定的平台场所，通过用户之间并行或串行地协同工作，在用户间形成有序的知识流，并演变成新的知识结构，最终实现知识创新的过程[2]。同时，由于聚焦于共同的创新主题，形成紧密稳定的用户协同交互网络。因此，用户知识协同，是指社区用户以产品或服务的创新及优化为目的，进行的诸如浏览、查询、创造、评论、收藏等知识行为的协同交互过程，促进隐性知识显性化表达，并以知识文本的形式呈现。

随着知识经济、大数据业务的发展，知识资源已成为企业越来越重要的资产。开放式创新社区中，知识来自不同知识文本，在用户的协同交互作用下而创作；用户间协同形成网络关联，知识单元间的共现关系形成知识网络，不同网络间还存在着互为映射的错综复杂的联系，这种复杂关系可以用超网络来揭示。目前，超网络已成为复杂网络、知识网络领域的常用工具，广泛应用于知识管理领域。

廖晓[3]以MIUI社区为研究对象，构建了社区用户创新知识超网络模型；孙薇等[4]提出知识超网络模型，“知识元”是超网络研究的核心；大部分知识元来源于分词技术提炼，少数需要人工提炼；知识元同知识载体网络形成互为映射的关系，即形成知识超网络结构。Zhang等[5]利用超网络研究企业知识结构的异质性表达问题，并揭示了知识协同交互和网络演化的问题。Zhao[6]基于知识本身、知识主体和知识载体三种类型的网络，以其复杂的映射关系建立多层复合网络。

总结而言，超网络是融合多种类型网络，构建了两种及两种以上类型的复杂网络模型，其基本构成要素是知识元、文本载体和用户。本研究拟采用超网络理论，整合知识网络和知识的载体网络，探索开放式创新社区知识协同创新的全景，解析用户间知识协同创新的机理。

2 子网络构建

用户、知识文本和知识元是开放式创新社区的主要构成要素。本研究用“知识基因”的概念来替代“知识元”，知识基因是用户所发布文本中提炼出的核心思想、知识结构，是引领知识协同创新过程中的最小承载单位[7]；其载体有两种：一种是生命载体，另一种是物质载体。生命载体指社区内的用户，物质载体是指发表于社区论坛上的帖子、评论等。

与常规的同质网络相比，超网络能够更好地反映开放式创新社区的多层、多维、多级与多属性等特征。如用户间协同关系、用户间知识行为的交互作用、知识组成、知识以及知识文本匹配关联关系、成员知识存量等。构建涵盖各要素间关联关系的超网络模型，首先需要构建各组成要素间的子网络模型。

2.1 用户网络建模

用户主体网络是指研究不同用户间协同关系演变的网络，以用户为节点、以用户间的协同关系为边，从而建立用户网络。

用户网络模型：

其中，有限集合U={u1,u2,…,un}是用户网络中的节点。在研究过程中，需要对用户进行筛选和分类，以知识的创新、协同关联为标准，以是否保留有发帖、发布评论等行为为依据。

用户网络中边的集合：

其中，若θ(ui,uj)=0，则表示两位用户间不存在协同关系；若θ(ui,uj)=1，则表示两位用户间存在协同关系。例如，共同评论一项帖子，二者之间互有回复，包括点赞行为等。

用户网络中边的权重：

代表用户间协同程度，如用户在同一帖子下均有评论或者互有回复交流界定为一次协同。

2.2 知识文本网络建模

知识文本是用户在社区论坛中所发布的帖子及相关评论的总称，需要同用户一一对应，同时也需要与该文本中所提取的知识基因一一对应，起到承上启下的作用。现有研究中，针对文本间关联网络的研究主要考虑文本间的相似度问题，但该相似度的研究对于解释用户间知识的演化或者协同创新问题的意义不大，且工作量繁琐。超网络的研究重点并不是知识文本之间的关联，而是重点研究与用户网络、知识基因网络相互衔接的纵向关系。因此，以知识文本作为载体，既能解释上述问题，又能简化研究流程[8]。

将发帖用户发布的文本帖子定义为知识文本T，则该集合为

每一条帖子下面均有其他用户参与评论及回复，产生新的知识，整合每一条帖子下面的评论信息，定义为知识文本T′，则该集合为

其中，T′为T的衍生知识文本，该集合中每一条文本信息均与原帖一一对应。用户创作帖子，其他用户参与评论，这体现了用户之间知识协同的交互作用。

2.3 知识基因网络建模

通过对知识基因的提炼，可以观测到该板块下前沿技术的聚焦点或产品创新的演变方向。知识基因的提取，一方面要涵盖文本帖子的核心思想；另一方面要指引产品创新的发展方向。建立知识基因的子网络模型，需要以知识文本中提炼的知识基因作为网络节点，以不同知识基因之间的共现关系为边，构建网络模型[9]，并定义为

知识基因来源于文本分词，以G′来表示知识基因的初始集合，令η(gi,tj)=1表示gi是tj的知识基因；否则η(gi,tj)=0。令q(gi)表示知识基因出现的频次，其值计算公式为

根据q(gi)对原G′知识基因的初始集合进行筛选，剔除词频较低的知识基因，以及词频较高、实际信息含量较低的知识基因，得到知识基因节点的集合G，以及其权重集合Q(G)：

其中，节点集合G={g1,g2,…,gn}代表网络中不同的知识基因节点集合。知识基因节点的选择以q0阈值为标准，设q0=5。

网络的节点权重Q(G)={Qg1,Qg2,…,Qgn}代表该板块下知识基因的重要性程度，通过知识基因出现的频次以及作用意义大小衡量决定。在图谱可视化过程中，面积越大，代表节点越重要。

网络的边：

表示不同知识基因之间的共现关系，代表用户在知识创新过程中产生的知识关联情况。是共现次数的阈值，当w′0＞2时，表示两种知识基因之间存在相连的边。

边的权重：

该值为知识基因间的共现次数，代表一系列创新活动之间的关联程度，用边的粗细程度来表示关联的强弱。

3 子网络间映射关系

用户与知识文本、知识文本与知识基因、用户与知识基因之间均存在复杂的对应关系，三种网络衔接在一起，形成了知识、知识载体、作者相互之间关联关系的系统整体。

3.1 用户网络与知识文本网络

用户网络与知识文本网络的映射关系，意味着用户协同交互作用下的知识创新。将用户与知识文本之间的关系集合定义为：

其中，α(ui,uj)=1表示用户ui发表了帖子tj。一般而言，用户总量与知识文本数量并没有直接的关系。

定义用户到知识文本之间的映射为

表明用户ui发布的知识文本t数量为1,…,n。

3.2 知识文本网络与知识基因网络

知识文本的核心思想可以由一系列核心的知识基因组合来表达。通过知识文本网络同知识基因网络的关联，可了解到不同知识文本的知识基因构成。因此，定义知识文本到知识基因之间的关系集合为

其中，β(ti,gj)=1表示知识文本ti中分析提炼的知识基因gj。

映射关系边的权重为

表示知识文本ti网络中知识基因gj出现的频次。

知识文本与知识基因之间存在相互映射的关系，有两种表示方式。其一：

表示为同一知识文本中，所包含的知识基因。其二：

表示该知识基因包含在哪些知识文本中。

3.3 用户网络与知识基因网络

用户是知识的拥有者，知识基因是其核心知识、技术或者思想的内涵表达[10]。因此，定义用户与知识基因之间的映射关系集合为

其中，χ(ui,gj)=1表示用户ui发表的帖子中含有知识基因gj，即用户所贡献或创新的知识中含有知识基因gj。

关系权重定义为

表示在用户网络中，某用户对知识基因gj的贡献度。

用户到知识基因之间的映射同样有两种表示方式，其一：

表示用户ui通过发布知识文本，在其知识创作过程中，共演化形成的知识基因数量。其二：

表示共同拥有知识基因gj的用户。

4 超网络模型构建及案例分析

开放式创新社区超网络模型包括用户网络、知识文本网络和知识基因网络三种子网络，以及子网络之间的映射关系，涉及节点、边和权重三项要素，用OISNW来表示。超网络能够展示用户间的知识协同交互关系、用户的知识创新情况和知识文本网络中知识基因的分布，凸显用户知识创新的热度等。

4.1 超网络模型构建

定义开放式创新社区知识协同创新超网络总体模型为OISNW={V,E,W}。其中，节点集合包括社区用户集合U={u1,u2,…,un}、知识文本集合T={t1,t2,…,tn}，以及知识基因集合G={g1,g2,…,gn}。节点集合可以表示为

超网络边的集合，一方面，包括各个子网络边的集合，即用户网络的边Eu-u、知识文本子网络的边Et-t、知识基因子网络的边Eg-g；另一方面，包括子网络之间的映射，即超边，用户知识主体网络与知识文本网络之间的超边EU-T、知识文本网络与知识基因网络之间的超边ET-G、用户网络与知识基因网络之间的超边EU-G。综上所述超网络边的集合为

超网络权重的集合，一方面，包括各个子网络边权重的集合，即用户网络边的权重W(Eu-u)、知识基因网络边的权重W(Eg-g)；另一方面，包括知识基因节点权重Q(G)，即用户网络节点的权重Q(U)。此外，超边权重的集合在实际应用过程中仍然有一定的研究价值，令用户网络与知识基因网络之间的超边权重为W(EU-G)，其可以展示用户对相关知识热点创新的贡献度。综上所述，超网络权重的集合为

最终开放式创新社区超网络的总体模型为

如图1所示，通过构建该模型，能够详细地解释用户之间的知识协同关系，在用户知识协同交互作用下，展示用户知识文本的创新情况，通过知识文本与知识基因网络的连接，判断知识文本的重要性程度，通过用户与知识基因间的衔接，判别核心创新用户。

4.2 案例分析思路

OISNW需要结合实际案例来展示模型的可视化效果，案例分析过程包含四部分内容。

（1）数据采集及清洗：采集内容包括帖子标题、作者、内容及评论、发表时间、收藏、点赞、浏览及回复次数等；然后对采集到的数据进行整理清洗，如去除浏览量低、文本较短以及价值性不高文本。

（2）编码及内容提取：编码是指对作者即用户、帖子以及知识基因的集合进行编码，并一一对应。首先建立用户集合U，接下来建立帖子集合T，最后进行文本分词，建立知识基因集合G。

图1 开放式创新社区超网络概念模型

（3）子网络构建：基于用户及用户间互动的数据建立用户的协同网络MU；基于知识基因的集合，建立知识基因网络MG。

（4）超网络模型构建：在上述集合U、T、G，以及子网络MU、MG的基础上，建立开放式创新社区知识协同创新的超网络模型，并展开可视化分析。模型构建的操作步骤如图2所示。

图2 案例分析过程及步骤

4.3 数据来源及处理

本研究的数据来源为华为“花粉俱乐部”社区平台，选择华为P30手机系列版块，玩机技巧栏目，数据实验爬取时间范围是从该板块成立之日至2019年12月21日18:30。用户数据总共25502条，帖子在实际数据处理过程中，需要进行筛选及清洗，筛选标准为：来源于精华帖，内容超过100字，创新要具有足够的吸引力，综合考虑浏览量、评论度等，经过筛选最终得到76条帖子。本研究采用Python编程中的jieba分词功能，对文本进行分词，提炼知识文本中关键内容，最终得到知识基因集合。

4.4 可视化超网络图谱及结果讨论

4.4.1 超网络图谱

超网络图谱涉及用户网络、用户所发布的原帖知识文本网络和以知识基因为节点的网络结构。以图2模型为思路，利用Python编程构建用户、知识文本以及知识基因三者网络间的联系，得到关系矩阵，并利用Ucinet构建超网络可视化图谱，如图3所示。

在图3中，为呈现出较好的效果，u代表用户的编码，t代表知识文本编码，知识基因以中文文本形式展示；图3的中心部分即知识基因的节点集合，图3的上半侧是用户节点的集合，图3的下半侧是知识文本节点的集合；以中心度为标准来展示网络中节点面积大小，即节点的权重，以边的粗细程度来表示不同节点间映射关系的强度，即边的权重。主要的知识基因节点共7项，按照节点中心度排序，如表1所示。

图3 超网络图谱

表1 知识创新热点发现及排序

由表1可知，该板块下知识创新集中在新一代信息通信技术、手机硬件、设计、功能应用等领域；反映了企业和消费者共同关注的话题，在一定程度上代表了产品的核心功能和特点。当然，也有可能产品在上述领域存在瑕疵及不足，许多用户提出相关问题，并就这些问题提出优化方案，帮助其他用户提升使用体验感。

由于涉及超边的权重问题，即加入了用户网络与知识基因网络之间的超边，其权重为W(EU-G)，也可以直观的展示出相关用户对核心知识基因节点贡献度的大小。如u7、u9、u2、u12、u1等用户，其与知识创新热点之间的权重均较高，显示出上述用户对知识热点较高的创新贡献度。与此同时，上述用户的中心度也比较高，其知识创新的覆盖范围更广，掌握着更多的知识创新资源。

此外，知识协同创新过程虽然是一项全体社区用户协同参与的过程，但少数核心用户具有较高的创新贡献度，具有引领知识协同创新方向的作用，知识创新资源仍集中在少数核心用户手中。然而，上述核心用户的识别不够精确，应该筛选出核心知识基因，在核心知识基因网络的基础上，进一步甄别核心用户。

4.4.2 核心创新用户及核心知识文本识别

核心创新用户是指对社区创新知识贡献度较大，能够持续产出社区核心创新知识的用户。识别出核心创新用户才能更加深入地了解用户间如何协同，揭示知识协同创新的内在机理，并引导其知识创新方向。针对核心创新用户的识别，本研究基于核心知识基因节点，逆向识别核心创新用户。

重新定义核心知识基因网络，即知识基因网络下的子网络，表示为

根据核心知识基因网络确定核心创新用户网络，相关的用户可表示为

其中，gj为网络内的核心知识基因节点；γ(ui,gj)表示用户ui发表的帖子中含有知识基因gj形成了一条超边；q(ui,gj)≥q′0表示用户ui关联知识基因gj的种类；设定阈值为q′0，超过该阈值，才能有资格成为核心创新用户。

建立一个“核心创新用户-核心知识基因”节点相衔接的二维网络模型，定义为

以上述超网络模型中的知识基因集合为依据，对核心知识基因节点进行筛选，设置知识基因出现的频次阈值q0=5，用户贡献核心知识基因的阈值q′0=5，利用Python进行核心知识基因和核心创新用户的抽取，最终得到核心创新用户和核心知识基因效果，如图4所示。

在图4中，红色u表示用户节点，蓝色节点文字表示知识基因。通过上述计算过程，共识别出核心用户37名，其中心度代表用户所关联的知识基因种类数量，并以节点面积的大小在图中可视化呈现。其具体排名以及ID名称如表2所示。

表2 核心创新用户列表（部分）

通过上述研究发现，经过更为科学的识别过程，识别出排名前几位的核心创新用户。社区内知识创新贡献最大的来源仍是部分核心用户。核心创新用户正是围绕着“5G”“摄像头”“CPU”等知识基因节点展开知识协同活动，以知识基因为载体建立协同关系。此外，用户间往往具有更多的相似话题，由于知识创新方向的一致性，使得其协同关联性更紧密；核心创新用户会聚焦于热度较高的知识基因，紧抓知识创新的热点效应更明显。因此，核心创新用户往往有较高的知识素养，完善的知识结构；同时，具有较强的知识协同参与动机，通过与社区内其他用户的协同，时刻保持高效的学习状态，完善汲取相关知识。

类似地，以核心基因作为基础，可逆向推导出核心知识文本，建立“核心知识文本-核心知识基因”的二维网络模型，定义为

图4 核心创新用户图谱(彩图请见http://qbxb.istic.ac.cn/)

在图5中，红色t代表知识文本节点，蓝色节点代表知识基因，共识别出核心知识文本47项，知识文本的中心度以节点面积的大小在图中可视化呈现。其具体排名如表3所示。

表3 核心知识文本列表（部分）

知识文本涵盖多种知识基因，主题涉及领域非常广泛，如拍摄、5G以及其他智能化技术的主题研究，在多项知识文本中共现，突现了当前研究的热点。此外，两张图谱内知识基因的中心度大小的次序发生变化，是由于实验中计算核心创新用户发布的所有知识文本，因此可能存在用户创新知识文本，但并不属于核心创新知识文本的情况。选取排名前5位的核心知识文本，构建其关联的用户及知识基因网络模型，解析高价值的、创新性知识文本的前沿研究动态，如图6所示。

在图6中，4名用户均为识别出的核心创新用户，其中u7发布两条帖子t27和t63。不同的知识文本聚焦的知识主题略微不同，但仍存在交叉关联的知识基因，聚焦于新的通信技术、设计理念、硬件升级等领域内的知识创新，突出了用户间知识创新的协同，随着知识创新过程的演化，用户越来越聚焦于共同的主题，协同开展知识创新活动。

综上所述，用户具有前沿知识热点的敏感性，能够时刻把握知识创新的态势；同时，核心知识基因与多名用户互有关联，即用户聚焦于少数几个知识领域协同开展知识创新。针对用户间共有知识基因的现象，需加入用户间的沟通过程开展研究，引入用户评论文本，在更加微观的层面深入探讨发帖及评论过程中如何协同开展知识讨论，进而形成知识创新。

4.4.3 用户知识协同作用下的知识创新过程

加入用户间的回复及评论作为原帖的附加文本，能够更进一步说明用户间的知识协同如何在原有知识认知的基础上，建立新的知识内容、引导知识创新等。用户发帖，其他社区用户协同参与评论，用户原贴中所映射的知识基因，与参与该帖评论所映射的知识基因，两者既有联系又有区别。

图5 核心知识文本图谱(彩图请见http://qbxb.istic.ac.cn/)

图6 “核心知识文本-核心用户-核心知识基因”关联图谱(部分)

从核心创新用户中挑选出具有代表性的用户，设定为用户Ua，以其为核心的用户网络为MUa={U,Eu-u,W(Eu-u)}，权重W(Eu-u)是用户间评论或回复的次数；以Ua为核心，大致呈星形分布。用户Ua发布帖子的集合为T(Ua)={t1,t2,t3,…,tm},1≤m≤n，同理，所对应的帖子评论或回复文本的集合 为T′(Ua)={t′1,t′2,t′3,…,t′m},1≤m≤n，其 中 知 识文本的编码顺序按照发布时间依次排列。

用户Ua所发布帖子对应的知识基因集合为G(Ua)={g1,g2,g3,…,gm}，因此，其知识基因网络模型为MG(Ua)=(G,Q(G))。同理，帖子评论所对应的知 识 基 因 集 合 应 该 为其知识基因的网络模型为M′G(Ua)=(G′,Q(G′))。

根据上文超网络的内容，建立小型超网络模型，包括用户与帖子的超边EUa-T(Ua)和EUa-T′(Ua)；知识文本与知识基因之间的超边，存在某种情况，即某知识基因既来自帖子中，又来自其评论内容文本中，会 形 成4种 类 型 的 超 边：ET(Ua)-G(Ua)、ET′(Ua)-G′(Ua)、ET(Ua)-G′(Ua)、ET′(Ua)-G(Ua)。因此，最终该小型超网络是同一用户下，对应两种不同类型的知识文本，两种知识文本又向下对应两种类型的知识基因网络，该模型定义为

选取两位用户进行对比分析，为了更加清晰地对比两者在知识协同创新过程中的异同。两名用户分别为“白果小木”（企业内部用户）和“千里落花风”（消费者用户），抓取两者在该板块的发帖数据、评论数据、用户交互数据以及知识创新热点数据，利用UCINET制作可视化图谱，如图7和图8，由于用户数据量较大，因此，只展示具有较大协同关联度的用户。

在图7和图8中，u代表用户，t代表该用户发布的知识文本帖子，c代表该帖下面的评论内容集合，其下一层衍生出知识基因，即知识协同创新的热点。

对比分析两名用户，如表4所示，与“白果小木”相关联的用户达到3400名之多，与“千里落花风”相关联的用户更是达到7815名之多。显然，两个用户均具有较高的关注度，带动其他参与评论、知识协同的用户非常多，参与度非常高，这也说明核心用户对于社区知识协同创新具有较强的导向作用。消费者用户的协同群体规模更大，能够影响到更多的受众群体。

图7 “白果小木”知识协同创新热点演化

图8 “千里落花风”知识协同创新热点演化

表4 两位用户知识创新热点统计

“白果小木”用户知识创新聚焦于前沿手机技术、便民功能的应用探讨，针对该主题的知识创新也是一项逐渐深化的过程。有许多用户深度参与其知识创新过程中，如u2009、u2102等与该用户间深度交流，如评论、点赞等行为的频次达到8次。出现在不同的知识文本中的知识基因达到27个，关联度较高的知识热点为语音助手、人像模式以及一键打印等，这也证明知识基因的扩散并不局限，可以产生于不同的文本之中，由全体用户共同拥有。此外“c1、t1”“c3、t3”“t2、c1”“t3、c2”等组合均存在互为关联的知识基因，相关评论内容围绕原帖展开知识协同讨论，提供了相关知识、技术要点，与该用户进行了充分的知识协同，带动了社区知识创新的活跃度，给予了该用户创作灵感。由图7可以看出，t3知识文本帖子中的知识基因有部分来自c1、c2的评论内容，说明其进行第三条帖子的创作中，已经充分吸收其他用户的智慧，这也印证了用户的知识创新是全体用户间协同的，共同参与的。

同上，继续分析“千里落花风”用户，相对而言，该用户作为消费者中的一员，具有更强的用户影响力，更能代表用户的需求。其关注领域很多，包括硬件、功能应用以及相关技术等；出现在不同的知识文本中的知识基因达到22个，其中关联度最高的知识热点为息屏、手环、安装升级等，可以很明显的在图中看出，这些高相关度的知识基因在不同帖子及评论内容中扩散，即用户间的知识协同交互效果更明显。该用户知识创新主题范围很广，不仅局限于手机拍照，还涉及手机性能提升、电池智能管理以及一系列手机应用小技巧，在知识基因中具体表达为一系列的关键技术及前沿操作技巧。与此同时，评论内容中也不乏一些新奇的观点和想法，创新性的内容输出往往能够吸引更多创新性的评论，进而能够为创作者的下一次创作带来更多的灵感，汲取更多的知识，也帮助相关用户挖掘产品的更多相关功能，提出有更加创造性的使用技巧和改进措施。因此，用户在进行创新性的知识输出时，不仅有社区奖励等物质利益的增加，还包括知识收益，即能够接触到更多创新性的知识。

用户围绕相关话题，以发帖作为知识创新的输出成果，以评论作为用户间知识创新的协同桥梁，知识协同创新正是在用户创作，交流评论再创作过程中得以实现。以“白果小木”为例深入细致分析用户间如何协同，实现知识协同创新的演化。

如图9和图10所示，该用户发布帖子t1后，在10名主要用户的知识协同作用下，产生评论及知识交流的文本c1，在拍照、语音助手等话题下衍生出新的知识基因，可能在原有话题上进一步延伸，也可能拓展出新的话题方向，如人像模式，饱和度、AI等。经过用户间充分的知识交流碰撞、吸收消化，用户创作帖子t2，充分借鉴融合了部分用户间讨论而衍生出的观点，在图中体现为t2与c1有共同的知识基因：一方面，可以回答用户间知识协同过程中形成的问题；另一方面，可以基于共同的话题，提出新颖的创意，衍生出新的知识创新方向。知识协同创新在微观用户个体中演化的过程正是在用户间不断的创作、交流评论过程中产生，而每一名用户知识创新过程的行为集合组成了社区平台整体的知识协同创新过程[11]。

综上所述，本研究验证了用户帖子以及用户帖子评论内容的关联关系，无论是企业用户还是消费者用户，都会从评论内容中采纳吸收相关知识，并用于新一轮的知识创新；用户的知识采纳过程通常发生在用户知识协同交互过程中[12]；消费者用户相对于企业内部用户能够实现更加丰富的创新知识产出，所能带动的协同用户群体规模更大；没有相关用户的评论与关注，将严重降低用户参与知识创新的积极性。

图9 “白果小木” t1帖子及评论

图10 “白果小木” t2帖子创作

5 结论

本研究应用超网络理论，将用户网络、知识文本网络和知识基因网络三者关联到一起，构建不同子网络之间的映射关系，最终形成超网络模型，并结合实际案例数据，利用Ucinet绘图软件进行超网络模型的构建，进行可视化分析，实现了知识创新热点的识别和挖掘；识别出核心创新用户及核心知识文本；探索出用户间知识协同创新的演化过程，将用户间知识协同的作用以及知识基因间的协同进化演变衔接在一起，为社区知识创新资源的全要素管理、优化用户知识协同创新情境提供了借鉴，为挖掘高质量创新用户团体，获取创新知识热点等目标提供了方法。