基于文献分析的产品知识演化及熵模型

汪 杰,张太华,卢 尧,姚立国,赵大伟

(1.贵州师范大学制造服务与知识工程技术工程中心,贵州 贵阳 550025) (2.贵州师范大学机械与电气工程学院,贵州 贵阳 550025)

知识经济时代,产品最主要、最根本的资源是知识,知识也是产品竞争的核心优势来源[1]。产品不断更新换代是由用户需求和环境因素导致的,同时这也是知识的不断演化过程,任何新知识均是从现有知识中演化而来,包含了知识之间的传承与发展[2]。Uddin等[3]提出了一个探索知识演化和学术量化合作的研究框架,为了解专题知识演变、协作动态及其对研究成果的影响,将该框架应用于项目管理研究。祝娜等[4]从主题关联的角度入手,构建了基于时间序列的知识演化路径,丰富了知识管理和信息计量的理论研究方法,在实践上有助于探测科技创新知识。Balili 等[5]提出一种TermBall框架,用于识别过去的主题演变,以及基于主题知识的结构和时间特征,预测即将发生的主题演化类型,通过应用发现能够从知识结构中找到各种主题演变类型,并且能够预测主题在5年后将如何演变,准确率为83%。孙毛宁等[6]利用Cite Space绘制出国内绿色创新研究领域的科学知识图谱,并对其热点趋势进行分析研究。

上述文献均未研究产品知识演化的耗散结构及知识演化的效率,对于知识演化,从知识图谱的角度分析其演化的热点和趋势过于单一,产品的知识演化不够全面。本文以文献知识为基础,结合熵的思想分析产品的知识演化,其中运行熵用来分析产品知识演化的运行效率以及运行知识质量,关联熵用来分析知识演化的有序度以及系统的结构稳定度,并通过知识图谱更加直观地分析了产品知识的演化。

1 产品知识的耗散结构

知识是一个开放、动态的系统,很多外界因素都将会影响知识的熵增和熵减[7]。本文从宏观和微观角度去探索知识演化过程的耗散结构形成机理,为进一步了解知识演化和耗散结构关系,构建产品知识演化的耗散结构,如图1所示。

图1 产品知识演化的耗散结构

知识演化是通过不断与外界交换能量、信息,使得知识系统的负熵增加,系统将继续从无序向有序状态演化,演化的主要方式是通过系统不断地进行耗散选择[8]。从微观角度分析,知识系统由无数个子系统构成,在子系统中,知识基因在知识流动过程中不断进行遗传和变异,由于受到外界知识基因的影响,可能会发生知识突变,还有一部分知识基因会逐渐因为环境等其他因素消亡,这也是知识在演化过程中不断耗散的过程,使得整个知识系统逐渐形成新的有序结构即耗散结构,产品的知识演化也达到高度稳定状态。

1.1 产品知识的演化进程

无论是低质量知识向高质量知识的演化还是显性和隐性知识之间的演化,都会经历知识获取、积累、融合、转移、创新等过程[9]。以盘式制动器的知识演化为例,最早期的马车手刹,因为环境和用户的需求,一步一步演化成如今性能优越的产品——碳纤维盘式制动器。产品知识演化的进程如图2所示,产品的每一次演化都会形成耗散结构,由于环境的突变导致了产品的知识系统重新归于非平衡态。

图2 产品知识演化的进程

1.2 产品知识的耗散结构形成

产品知识系统作为一个开放的系统,其基本组成是产品的各项知识,其功能是保证产品的更新换代和创新[10]。产品的各个部分知识的子系统通过不断耗散、不断相互影响,形成了一个复杂的产品知识演化系统。产品知识系统满足耗散结构的4个特征[11]:

1)开放性。产品的知识及各子系统均受外界环境的影响,当产品不满足用户需求时,产品的各知识基因通过不断地重组、突变,使得产品发生知识演化,演化后的产品更具有市场竞争力。

2)非线性。系统内的各知识基因群不断进行随机重组变异,对各知识的子系统产生不同的影响,导致各子系统之间形成相互促进或制约的复杂正负反馈机制,也为形成耗散结构提供了基础条件。

3)远离平衡态。系统内各知识基因群选择游离和重组的方向不同,存在较大的差异,有的发展,有的则会衰落,这种差异是导致知识系统形成耗散结构的原因。

4)涨落。内外环境的影响(产品需求、市场需求、使用环境等)均会使产品的知识系统发生微涨落,当多种涨落效应受到各子系统的非线性机制影响时,可能会发生巨涨落,整个系统可能会发生突变,产品的知识系统则会朝着一个有序的方向发展。

2 产品知识演化的熵模型及知识图谱构建

2.1 熵变的测度指标构建

本文基于文献[11],运用运行熵以及关联熵来分析知识演化的有序程度。以系统性、准确性以及可获取性[12],将知识演化的评价指标分为知识子系统一和知识子系统二,见表1。

表1 知识演化熵变测度指标

2.2 熵的计算方法

1)运行熵的计算方法。

为避免0值的出现,对知识演化中原始数据使用极值标准差法将数据标准化[13]:

(1)

计算知识演化过程中各指标对熵的影响权值Yij为:

(2)

式中:m为年份。

熵值差异系数dij[14]为

(3)

将得到的熵值差异系数进行归一化处理,得到权重ωij:

(4)

式中:n为j的指标数。

设知识演化的综合变量为F,是标准化后指标的线性组合,则目标综合变量Ft为:

(5)

(6)

2)关联熵计算方法。

(7)

式中:ρ为分辨系数,本文取0.5。

(8)

式中:Pij为关联系数的权值。

2.3 产品知识演化的知识图谱构建

为了更加直观地呈现演化路径,需要利用知识图谱分析产品的演化路径。根据用户诉求,文本数据源经过信息抽取、融合加工,可以得到不同的路径,将其映射在图谱中反馈给用户,如图3所示。

图3 知识图谱构建

知识图谱由数据层以及模式层构成,数据层主要以三元组形式存储,即知识图谱G={E,R,T},其中E为实体集合,R为关系集合,T为属性集合[16]。自底向上构建的知识图谱是一个迭代更新的过程,其每一次迭代都会经过信息抽取、知识融合、知识加工。

3 实例分析

3.1 熵模型的实例分析

以盘式制动器为例,选取知网数据,搜索2015—2020年共6年北大核心文献为基础数据。有个别缺失数据按照知网给出的预测数据补充完整。原始数据见表2。

表2 知识演化原始数据

由于原始数据之间存在量纲差异,因此将表2数据进行标准化处理,按照公式(4)求出权重,再根据公式(6)与公式(8)计算出知识演化整体的关联熵以及运行熵值,由此即可对系统进行分析。求得熵值见表3。

表3 知识演化系统熵值

由表3可知,2015—2016年的运行熵及关联熵均减小,2016—2017年突然增加,说明这3年系统处于不稳定状态,需要及时调节外界环境;2017—2019年,关联熵总体基本处于下降趋势,说明系统的有序度逐渐增加,系统结构稳定,运行熵逐步下降,说明产品的知识演化在这3年运行效率提高,运行质量稳步上升,而2020年由于国内环境原因,无论是系统的运行熵还是关联熵均增大,说明此时系统处于混乱、无序状态,效率低下,符合预期情况。

3.2 知识图谱构建实例分析

1)关键词共现图谱的构建。

关键词是全文的核心重点词汇,研究关键词的共现知识图谱有利于分析研究的热点以及知识演化。本文使用Citespace对来源于知网检索主题为盘式制动器的2015—2020年北大核心文献进行知识图谱构建,选择共现的关键词进行分析,选取每个时间节点关键词的top50,构建的知识图谱如图4所示。

图4 关键词共现知识图谱

由图4可知,频次比较高的刹车盘、有限元分析、温度场等关键词为盘式制动器研究的热点内容,制动噪声与有限元分析以及优化具有关键词共现关系,说明对于制动噪声来说,研究的重点可能在有限元分析及优化上。

2)关键词聚类。

Citespace自带的算法可以对同一主题的关键词进行聚类,由此可以将主题划分为不同类别,从一个更宏观的角度去分析。

由图5可知,模块值Q=0.851 6,平均轮廓值S=0.961 8,说明结果令人信服。图5中有很多重要节点连接着不同的关键词聚类块,说明这些重要节点有可能在新的领域有所建树。

图5 关键词聚类知识图谱

3)关键词时区图。

关键词时区图是从时间的角度去分析知识演化趋势,关键词在时区图中的横向位置代表了该关键词首次出现的时间节点,关键词在时区图中的大小代表了其出现的频次。以2015—2020年为例,关键词时区图如图6所示。

图6 关键词时区图

通过对时区图进行分析可以从一定程度上得到知识演化的主题路径,节点之间的连线代表了知识之间的联系,时间维度上,从主题的路径和频次可以看到有些路径已经逐渐消亡,随着时间的推移,研究的主题也发生了一些变化,一些新兴的关键词可能成为后续的产品知识演化路径。

4 结束语

本文对知识演化系统的耗散结构进行分析,结合熵的思想对系统的稳定度、有序度进行计算,得出2016—2017年产品知识演化的稳定结构以及系统的运行效率不如2017—2019年,2020年由于环境影响,有序度以及运行效率总体偏低。将产品的知识演化路径用知识图谱的方式将其可视化,可为更全面分析产品知识演化提供新的研究思路。