1 / 70
文档名称:

复杂知识网络的结构特征对知识流动的影响(可复制毕业论文).pdf

格式:pdf   页数:70
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

复杂知识网络的结构特征对知识流动的影响(可复制毕业论文).pdf

上传人:mkt365 2013/12/31 文件大小:0 KB

下载得到文件列表

复杂知识网络的结构特征对知识流动的影响(可复制毕业论文).pdf

文档介绍

文档介绍:上海交通大学硕士学位论文 
复杂知识网络的结构特征对知识流动的影响
 
摘要

复杂网络作为新兴的对复杂系统进行定量描述的工具,可以对
复杂自适应系统进行建模和分析。如果把知识系统中的“要素”和“关
系”分别抽象成节点和边,那么可以利用复杂网络理论对知识系统进
行建模与分析。
复杂知识网络是一类典型的复杂网络。本文基于多主体仿真技
术构建了一个知识网络的计算实验模型。首先,在一个独立的虚拟知
识网络上,探讨了3组不同主体的知识水平演化规律。研究发现,具
有高中介性或高中心性的主体其知识水平演化最快。而且,该研究结
论与实证研究有很好的吻合。其次,建立了两个不同知识水平的虚拟
知识网络A和网络B,探讨了知识网络间建立知识合作联系的不同机制
对于网络A和网络B知识水平同步演化的不同影响。仿真结果显示,知
识在网络中的传播受到主体间不同的联结机制的影响,网络A和网络B
间知识扩散程度受到了两个网络间建立合作联系的主体的三大属性
(高知识水平、高中心性和高中介性)的影响。通过选择落后知识网络
中的具有高中心性或高中介性的主体,与先进知识网络中具有高中心
性或高中介性的主体建立合作联系,可以快速地在网络间进行知识扩
散。最后,本文探讨了落后网络的网络密度和连接权重对网络间知识
扩散程度的不同影响。仿真结果显示,在各种不同的连接机制下,随
I
上海交通大学硕士学位论文 
落后网络自身密度和连接权重的增长,落后网络与先进网络的知识水
平差距加速缩小,并在达到一定密度和连接权重的情况下,落后网络
能够达到与先进网络相同的知识水平。并且,在落后网络取不同密度
和连接权重情况下,选择具有高中介性或高中心性的知识主体建立网
络间联系,仍然是加快网络间知识流动的最有效方式。
本文的研究结论对于那些试图加快落后知识网络中知识水平提
升的政策决策者具有一定的借鉴意义。基于所得的仿真结果,本文分
析了欧洲创新接力联盟和硅谷-新竹知识网络联盟。通过两个案例分
析我们发现:首先,要通过与先进知识网络建立联系来加快落后知识
网络中知识水平的提升,封闭地发展局部知识网络只会加大与先进知
识网络的整体知识差距。其次,要有的放矢地建立与先进知识网络的
知识联系,要先在不同的知识网络中寻找那些具有高中心性或高中介
性的知识主体,然后促成其建立广泛的知识联系。

关键词:复杂知识网络,知识流动,多主体仿真,中心性,中介性
II
上海交通大学硕士学位论文 
EFFECTS OF STRUCTURAL CHARACTERISTICS OF
COMPLEX WORK ON
KNOWLEDGE FLOW

ABSTRACT


works cannot only describe plex anized
system, but also can be used to model and analyze it. If the “element” and
“relationship” are abstracted by the node and edge respectively, we can
study text knowledge mining from the point view works.
Complex works are works. In this
paper, we first propose putational model based on Multi-Agent
Based Simulation, to form works. Firstly, we investigate
the knowledge evolution of different knowledge nodes with different
characteristics. The simulation results indicate that agents with high
brokerage opportunities or high centrality enhance their knowledge levels
more rapidly. Then on the basis of two virtual works
constructed, we investigate how diverse connecting mechanisms between
network A and B differentially influence the co-evolution of the
kn