企业协同创新社区作为用户信息交互的重要平台,于企业而言是获取创新灵感的不竭源泉,于顾客而言是进行购买决策的重要参照。然而,随着互联网社区的快速发展,用户间的频繁交互及其生成内容的随意表达致使企业协同创新社区的信息过载和信息失真等问题愈加凸显,为社区中的关键用户挖掘及其知识分析带来了巨大的挑战。为此,学者们对相关社区的价值用户挖掘及其知识分析方法进行了一系列的探索。然而,已有成果多聚焦于利用统计分析或社会网络分析的方法对社区中的单质信息进行研究,尚缺乏表达和分析社区多种要素的异质性框架,特别是忽略了对用户的知识要素的探索。同时,已有成果对企业协同创新社区中的关键用户挖掘,尤其是知识型价值用户的挖掘,存在着目标不及、属性模糊和指标单一等问题。因此,本文拟基于超网络的理论和方法提出企业协同创新社区情景下的用户知识超网络模型,实现用户知识全要素的异质性表达,为后续的价值用户挖掘及其知识研究提供有效的分析框架。进而,结合主题识别、聚类分析和遗传算法等数据挖掘方法,对企业协同创新社区的用户特征进行多维属性分析,构建切合目标的价值用户挖掘与分析方法。本研究主要分为四个部分:其一,用户知识超网络模型的构建。通过对用户生成内容进行主题识别,实现用户知识在语义层面的组织与表达。进而通过对社区中的用户、知识等关键要素及其相互映射关系进行分析,构建用户知识超网络模型(User Knowledge Super-Network Model,UKSNM),实现企业协同创新社区用户知识全要素的集成表达。其二,领域专家的识别与分析方法研究。基于用户知识超网络模型,利用其投影映射规则和拓扑结构特性对用户的知识质量和创新潜力等属性进行指标建模,同时对社区中的核心知识领域与热点知识领域进行挖掘分析。进而利用指标法实现特定知识领域下适应知识创新任务(设计型任务或技术型任务)的领域专家识别与分析。其三,天使用户的识别方法研究。基于用户知识超网络模型的拓扑结构特征和天使用户的属性特征,对用户的在线知识质量、协作意愿和传播能力等属性进行指标建模,进而利用聚类分析方法对社区的用户进行社群分析,以此发现企业协同创新社区中的天使用户。其四,协同创新用户群的发现方法研究。针对企业协同创新社区中用户、知识等要素的更迭变化,构建动态用户知识超网络模型(Dynamic User Knowledge Super-Network Model,DUKSNM)。进而基于DUKSNM对用户的知识质量、创新潜力、协作意愿、知识互补性和知识协作能力等属性进行指标建模,综合考虑用户的个体属性与协同属性以构建协同创新用户群发现的多目标决策模型,并用遗传算法进行求解。基于该模型,还可以构建特定知识领域如热点知识领域下的协同创新用户群发现方法。综上所述,本研究构建了一种更适于表达和分析企业协同创新社区异质性要素的超网络模型。基于对用户、知识等关键要素的分析,对社区中领域专家、天使用户和协同创新用户群等知识型用户的挖掘与分析方法进行了深入探索,并利用真实数据验证了本研究框架的有效性。本研究拓展了用户挖掘及知识研究的方法体系及超网络理论在知识管理领域的应用。实践上,该研究为企业获取价值用户及其知识提供了有效的工具,有利于其实现有效的社区知识挖掘与用户管理。