复杂网络上的隐形知识传播模型的研究.doc

《复杂网络上的隐形知识传播模型的研究.doc》由会员分享，可在线阅读，更多相关《复杂网络上的隐形知识传播模型的研究.doc（7页珍藏版）》请在三一文库上搜索。

1、精品论文大集合复杂网络上的隐形知识传播模型的研究林文祖，陶军 大连理工大学软件学院，辽宁大连 (116620) E-mail：摘要:本文针对企业中员工隐形知识的传播特点,通过比较隐性知识传播和传染病传播的相 似性，建立复杂网络中含激励机制的员工知识学习者-知识传播者-知识免疫者传播模型（LDI 模型）进行研究。分别分析了企业引入激励机制后非齐次性质度分布关联和度分布不关联的 复杂网络的传播行为，从而得到企业激励机制对企业隐性知识传播的影响。 关键词：隐性知识；传染病模型；复杂网络中图分类号：TP301.4文献标识码：A1. 引言隐性知识是企业核心竞争力的主要形式。但隐性知识难用语言文字去表述，

2、多以经验、 技巧、洞察力等形式存在于员工的头脑中，所以很难在企业中实现隐性知识的完全共享。目 前已经有一些学者致力于隐性知识传播模型的研究。西安交通大学的张太生采用微分动力学 模型对个体之间和企业之间的知识转移过程进行研究，使隐性知识在定量化的研究有了一定 飞跃，该模型的缺点是假设条件十分苛刻：员工的调入率和调出率相当，知识获得者增加率 和学习者成正比。在实际企业中，调入率和调出率往往是随机的，很难实现完全相等。而当 学习者数量减少到一定程度的时候也不可能与知识获得者的增加率再成线性关系，因而降低 了该模型的实用性。浙江大学的魏江和王铜安通过企业问卷调查，采用结构方程方法对知识 转移因素模型进

3、行了验证和修订，得到了信任、人际关系、激励机制、决策者态度、知识管 理系统、知识吸收能力六因素相互间的量化关系，认为上述六因素中最为重要的是决策者态 度和知识吸收能力。该结论为企业改进知识管理指明了工作重点和方向。上海交通大学管理 学院的李勇等研究企业集群中的知识创新传播过程，在分析动力学结构的基础上，建立了企 业集群知识转移的基于复杂网络的 SIR 模型，该模型考虑企业集群知识系统的结构与特性， 并在模型中加入免疫率等因素，改进了模型的运算方法。目前还较少有研究是基于复杂网络 讨论知识转移因素对特定模型知识传播的影响，而现实情况企业岗位纷繁复杂并且每个企业 有其自己的运营特点，所以每个企业应

4、该建立适合自己的复杂网络中知识传播模型，通过分 析因素对模型中传播影响的大小，得到企业自己的影响知识传播首要因素，从而对症下药加 速企业发展。复杂网络这门新兴学科近些年来发展十分迅速，现实世界中的很多问题都可以抽象到复 杂网络中建立模型研究、求解。我们可以将企业中员工的隐性知识传播过程放到复杂网络中 来进行研究，将企业中的员工看成复杂网络中的结点，员工间的接触而产生的隐性知识传播 看作网络中有向的结点连线。复杂网络的研究对于我们对现实世界的了解及控制都有很重要 的指导作用1。研究复杂网络下隐性知识的传播对加速企业知识共享、提高企业竞争力有着 积极的现实意义。2. 隐性知识传播与传染病传播的相似

5、性下面我们比较隐性知识传播与传染病传播的一部分相似性2。 传染性：宿主通过一定方式将病原体排除，易感染者被感染，即传染病的传播。隐性知识通过员工间的接触，从知识传播者传到知识学习者，呈现出一定的传染性。-7-免疫性：在接种疫苗后人会对特定的传染病产生免疫作用，同样在隐性知识传播中也会由于各种原因员工不能掌握传播的隐性知识，或者有些知识学习者在学习知识过程中认为是 无用的知识而放弃学习，成为知识免疫者。流行性：传染病若不控制，可能在某一范围内迅速蔓延，隐性知识同样也具有这样的流 行性，如果企业能提供良好的员工交流平台，采用有效的激励措施，将会加速隐性知识在企 业中的传播，这也是本文模型中要研究的

6、内容之一。3. 齐次网络含激励机制的知识学习者-知识传播者-知识免疫者传播 模型（LDI 模型）通过上一节的比较，我们看到了传染病传播和隐性知识传播的相似性。我们首先了解下 传染病传播模型3-4。经典的易感染者-感染者-移出者模型（SIR 模型）把个体的存在状态分 为 3 类：易感染者、感染者、移出者。 S (t ) 、 I (t) 、 R(t ) 分别表示在 t 时刻易感染者、感染者、移出者在总人口中所占的比例，则在总人口一定的情况下，它们满足：S (t ) + I (t ) + R(t ) = 1(1)齐次性质网络（度分布服从指数分布）复杂网络中，文献5研究了以下的 SIR 模型5：dS

7、(t) k I (t )S (t ) dt= dI (t ) k I (t )S (t ) I (t ) dt=dR(t) =dt I (t) (2)其中， 为疾病传播率，k 表示单位时间内网络中每个结点的平均度，在齐次性质网络中 k为一个常数。 表示感染者转化为移出者的移出率。根据上述模型，我们假设企业中引进了激励机制，设该激励机制在学习者中起作用的比例为 ，可建立齐次网络下激励机制知识学习者(Learner)-知识传播者(Disseminator)-知识免疫者（Immune）传播模型（LDI 模型）： dL(t ) k D(t )L(t ) + L(t ) dt= dD(t) k D(t)

8、L(t) D(t ) (3)dt=dI (t) =dt D(t ) L(t ) L(t ) + D(t ) + I (t ) = 1(4)由于现实复杂网络的结点的度基本都不是一个常数 k ，所以本文将重点分析非齐次性网络下的 LRI 模型，并讨论激励机制对模型的传播影响。4. 激励机制对非齐次 LPI 模型的影响在非齐次网络（度不服从指数分布）中，结点的度不再是常数，设非齐次网络中度为k， 令 Lk (t ) ， Dk (t ) ， Ik (t ) 分别为 t 时刻知识学习者、知识传播者，知识免疫者所占的 比例，则它们也满足：Lk (t ) + Dk (t ) + Ik (t ) = 1(5)

9、设 (t ) 表示在以员工为结点的网络中，任意选一条边，边的方向是指向传播者的概率， (t) 代表了员工间接触到知识传播者的接触率。由于 是常数，取值不会影响研究结果的性质，固令 =1 以便分析，则非齐次网络中满足下列关系： dLk (t ) kL (t ) (t ) + L (t ) dt= kkk dD (t ) =dt kLk (t ) (t ) Dk (t ) kdI (t ) =dtDk (t ) Lk (t ) (6)而根据非齐次网络中结点的度是否关联， (t ) 将会有不同的表达式，下面我们考虑度关联和不关联两种情况。4.1 非齐次网络度分布不关联如果结点的度分布不关联，则任连一

10、条边指向传播者的概率与发出连线的结点的度无关。则可得 (t ) 的表达式为5-6： kP(k )DK (t) kP(k ) DK (t ) (t ) = k = k (7) mP(m) km任连一条边指向一个度为 m 的结点的概率与 mP(m) 成正比，其中 P(m) 为任选一结 点其度为 m 的概率。式中 k 表示结点的平均度值。由解式(6)中第一个线性微分方程，可以得到：kL (t ) = e t e k (t ) dt(8)我们考虑企业隐性知识传播最终稳定态的情况，知识传播者占有稳定的比例，则dD (t ) 会有 k = 0 ，将其代入到式(6)的第二个方程中可以得到：dtDk (t )

11、 = kLk (t ) (t ) 根据式子(7),(8),(9)可解得下面结果：(9) 2 t k (t ) dtk P(k ) (t )e e (t ) = k k在上式中，根据数学中的隐函数定理，则要满足：(10) kP(k ) k (t)e t e k (t ) dt d k 1(11)通过上式得d (t) k (t )=0e t k 2 P(k ) kk k (t ) dt + (t ) d( e k ( t ) dt ) ed (t ) 1k， e t ( t ) =0解此不等式得2k此式的意义即只有当传播率 大于ke t 的时候，员工间才能产生从知识传播者到k 2知识学习者的知识传

12、播行为，也即是含激励机制的知识传播临界值为：c =ke tk 2(12)分析此式可得，当企业增加激励机制的力度即 增大时，知识传播率临界值 c 将会减少，即知识更容易在员工间传播。因此度非关联网络中激励机制确实可以起到促进企业内知识传播的作用。4.2 非齐次网络度分布关联上一节我们研究了度分布不关联的传播情况，在实际的复杂网络中结点的度往往是相关 联的，例如当企业中的员工由于岗位、性格等原因接触的员工面比较广时，即该结点度值比 较大，那么任选一条边指向它的概率也会越大。那么这种度分布关联情况下的员工接触概率，我们可以用条件概率 p(k | k ) 7-8去表示， 即代表了从一个度为 k 的结点

13、出发，连一条边指向度为 k的结点的概率为 p(k | k ) 。度关联情况下 (t ) 的表达式为7： (t ) = p(k | k )Dk (t ) k(13)则根据上一节的内容通过式(8),(9),(13)，可得： t k (t ) dt (t ) = e同样采用上节的分析 k p(k | k ) (t )ek(14)d t k (t ) dt d (t ) e k p(k | k ) (t )ek 1 (t ) (15) te k(t)dt+(t) d(ek (t )dt ) 即e k P(k | k ) d(t) 1k解此式得e at k p(k | k )k (t) =0则度关联情况

14、下含激励机制的知识传播临界值为：e at c = k p(k | k ) (16)k 下面对上述结果进行验证，假如结点间度分布是不关联则： k P(k )DK (t) (t ) = kk= p(k | k )Dk (t) kk p(k )可得到将此结果带入到式(16)中p(k | k ) =(17)ke at c = k p(k | k ) =e atk p(k ) =k e atk2k k k k(18)我们得到与式(12)度分布非关联临界传播值相同的结果。由此可以得出，在度关联网络中激 励机制也可以起到促进企业内知识传播的作用。所以把握好激励机制这一因素，企业完全可 以加速自己的发展进程。

15、5. 结论本文根据员工隐性知识传播与传染病传播的相似性，将问题应用到复杂网络中，建立了 含激励机制员工隐性知识传播模型（LDI 模型），分别研究了该模型在非齐次网络度分布关 联和度分布不关联两种情况下企业激励机制对传播行为的影响，得到企业加大激励机制力度 时，两种情况的传播临界值都会减小，即令隐性知识的传播更容易。因此满足上述模型的企业应积极采用有效的措施加大激励机制力度，促进企业内隐性知识的共享从而增强企业在市场中的竞争力。企业也完全可以根据自己的实际情况建立含所有知识转移因素的传播模型， 通过量化的比较得到首要因素，从而明确企业的工作重点和方向。参考文献1. ALBERT R，BARABA

16、SI A L. Statistical mechanics of complex networksJ. Rev Modern Phys, 2002,74:47-97.2. 王秀红，韩琼，韩光平. 员工隐性知识传播的系统动力学模型研究J. 情报杂志.2008,3.3. 马知恩，周义仓，王稳地，等. 传染病动力学的数学建模与研究 M. 北京：科学出版社，2004.4. ZHOU T,FU Z Q, WANGB H, et al. Epidemic dynamics on complex networksJ. Progress in Natural Science,2006, 16:452-457.

17、5. MORENO Y, PASTOR2SATORRAS R, VESPIGANI A. Epidemic out breaks in complex heterogeneous networks J. European Phys J B, 2002, 26:5212529.6. PASTOR2SATORRAS R, VESPIGANI A. Epidemic dynamics and endemics states in complex networks J.Phys Rev E, 2001, 63:066117.7. BOGU.NS M, PASTOR-SATORRAS R. Epidem

18、ic spreading in correlated complex networks J. Phys Rev E,2002, 66:047104.8. BOGU.NS M, PASTOR-SATORRAS R. VESPIGANI A. Absence of epidemic threshold in scale-free networks with degree correlations J. Phys Rev Lett, 2003, 17:028701.Research On The Model Of Tacit Knowledge Transfer InComplex Networks

19、Lin Wenzu，Tao JunSchool of Software, Dalian University of Technology, Dalian, Liaoning(116620)AbstractAccording to the characteristics of implicit tacit knowledge and its transfer process in the enterprise,this paper, by comparing the similarity between tacit knowledge transfer and epidemic spread,

20、established a LDI Model with the incentive mechanism in complex networks to conduct the research, the model including knowledge learner-knowledge disseminator- knowledge immune in the enterprise. On the LDI Model this paperanalyzes tacit knowledge transfer behavior in heterogeneous networks in which

21、 the node degrees satisfy a power-law distribution rather than the exponential distribution, after the enterprise introducing the incentive mechanism , thus obtained the influence of the enterprise incentive mechanism on the enterprise tacit knowledge transfer.Keywords: tacit knowledge, epidemic model, complex networks作者简介：林文祖（1982-），男，辽宁鞍山人，大连理工大学硕士研究生，研究方向为知识 管理，复杂网络。