虚拟社区中知识交流的特点分析——基于CSDN技术论坛的实证研究

doi:10.11925/infotech.1003-3513.2009.04.09

现代图书情报技术

2009, Vol. 25

Issue (4): 44-49 https://doi.org/10.11925/infotech.1003-3513.2009.04.09

知识组织与知识管理

本期目录 | 过刊浏览 | 高级检索

虚拟社区中知识交流的特点分析——基于CSDN技术论坛的实证研究

彭红彬王军

（北京大学信息管理系北京 100871）

Topology of the Knowledge Communication Network in Virtual Communities——Based on CSDN

Peng Hongbin Wang Jun

(Department of Information Management, Peking University, Beijing 100871, China)

摘要
参考文献
相关文章
Metrics

全文: PDF (624 KB)
输出: BibTeX | EndNote (RIS)

摘要

以国内著名的技术网络论坛CSDN为研究实例，从中抽取出知识交流网络，采用复杂网络的分析方法进行分析，试图定量化地揭示虚拟社区中知识交流的特点。论文一方面分析知识交流网络的基本统计量，指出它具备无标度性质和小世界效应，并对其成因进行分析；另一方面通过分析知识交流网络中的“用户三角形”，揭示了虚拟社区中知识传播的两种基本图式。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	彭红彬
	王军

关键词 ：虚拟社区, 知识交流, 复杂网络

Abstract：

This paper gives a systemic discussion on the Knowledge Communication Network (KCN) drawn from CSDN, trying to mine the character of the knowledge communication in virtual communities. Firstly, the authors analysis properties of the statistics, and point out that the small-world effect and scale-free property do exist in the network. Then find out the two important motifs in knowledge communication through analyzing the triangle of the network.

Key words： Virtual community Knowledge communication Complex network

收稿日期: 2009-02-24 出版日期: 2009-04-25

F713

通讯作者: 彭红彬 E-mail: pkuim04.phb@163.com

作者简介: 彭红彬,王军

引用本文:

彭红彬,王军. 虚拟社区中知识交流的特点分析——基于CSDN技术论坛的实证研究[J]. 现代图书情报技术, 2009, 25(4): 44-49.
Peng Hongbin,Wang Jun. Topology of the Knowledge Communication Network in Virtual Communities——Based on CSDN. New Technology of Library and Information Service, 2009, 25(4): 44-49.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2009.04.09 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2009/V25/I4/44

［1］ Kou Z B, Zhang C S. Reply Networks on a Bulletin Board System ［J/OL］. Physical Review. E, 67(3). ［2008-10-15］. http://www.au.tsinghua.edu.cn/szll/bodao/zhangchangshui/english/paper/reply_networks_on_BBS.pdf.
［2］ Adamic L A, Zhang J, Bakshy E, et al. Knowledge Sharing and Yahoo Answers: Everyone Knows Something ［C］. In: Proceeding of the 17th World Wide Web Conference, Beijing, 2008: 665-674.
［3］ Welser H T, Gleave E, Fisher D, et al. Visualizing the Signatures of Social Roles in Online Discussion Groups ［J/OL］. Journal of Social Structure,2007, 8(2). ［2008-10-12］. http://oak.cats.ohiou.edu/~welser/SignaturesJoSS.PDF.version.pdf.
［4］ Pawel J, Eugene A. Discovering Authorities in Question Answer Communities by Using Link Analysis［C］. In: Proceeding of the 16th ACM Conference on Information and Knowledge Management, Lisboa, 2007: 919-922.
［5］邱均平,熊尊妍. 基于学术BBS的信息交流研究［J］. 图书馆工作与研究, 2008(8): 3-8.
［6］ Sack W. Conversation Map: A Content-based Usenet Newsgroup Browser ［C］. In: Proceeding of the ACM Intelligent User Interfaces Conference, 2000: 233-240.
［7］ Wernicke W, Rasche F. FANMOD: a Tool For Fast Network Motif Detection ［J］. Bioinformatics, 2006, 22(9): 1152–1153.
［8］沈冯娟. 虚拟社区中的社会网络［ D ］. 兰州: 兰州大学, 2008.
［9］ Watts D,Strogatz S. Collective Dynamics of “Small-world” Networks ［J］. Nature, 1998, 393 (6684): 440-442.
［10］ Albert R, Barabási A L. Statistical Mechanics of Complex Networks ［J/OL］. Reviews of Modern Physics, 2002, 74: 47-97. ［2008-03-14］. http://arxiv.org/PS_cache/cond-mat/pdf/0106/0106096v1.pdf.
［11］约翰·斯科特著，刘军译. 社会网络分析法（第2版）［M］. 重庆: 重庆大学出版社, 2007.
［12］邓肯·J·瓦茨著, 陈禹等译. 小小世界——有序和无序之间的网络动力学［M］. 北京: 中国人民大学出版社, 2006.

[1]	陈文杰,文奕,杨宁. 基于节点向量表示的模糊重叠社区划分算法^*[J]. 数据分析与知识发现, 2021, 5(5): 41-50.
[2]	李文政,顾益军,闫红丽. 基于网络贝叶斯信息准则算法的社区数量预测研究*[J]. 数据分析与知识发现, 2020, 4(4): 72-82.
[3]	关鹏,王曰芬. 国内外专利网络研究进展*[J]. 数据分析与知识发现, 2020, 4(1): 26-39.
[4]	吴小兰,章成志. *学术社交媒体视角下学科知识流动规律研究^——以科学网为例**[J]. 数据分析与知识发现, 2019, 3(4): 107-116.
[5]	李想,钱晓东. 商品在线评价对消费趋同影响研究^*[J]. 数据分析与知识发现, 2019, 3(3): 102-111.
[6]	严娇,马静,房康. 基于融合共现距离的句法网络下文本语义相似度计算 ^*[J]. 数据分析与知识发现, 2019, 3(12): 93-100.
[7]	蒋武轩,熊回香,叶佳鑫,安宁. 网络社交平台中社群标签动态生成研究 ^*[J]. 数据分析与知识发现, 2019, 3(10): 98-109.
[8]	钱晓东, 李敏. 基于复杂网络重叠社区的电子商务用户复合类型识别^*[J]. 数据分析与知识发现, 2018, 2(6): 79-91.
[9]	陈云伟, 张瑞红. 用于情报挖掘的典型网络社团划分算法比较研究^*[J]. 数据分析与知识发现, 2018, 2(10): 84-94.
[10]	刘冰瑶, 马静, 李晓峰. 一种“特征降维”文本复杂网络的话题表示模型^*[J]. 数据分析与知识发现, 2017, 1(11): 53-61.
[11]	吴江,陈君,张劲帆. 协同创新中知识供需系统的模拟研究^*[J]. 现代图书情报技术, 2016, 32(9): 27-33.
[12]	叶腾,韩丽川,邢春晓,张妍. 基于复杂网络的虚拟社区创新知识传播机制研究^*[J]. 现代图书情报技术, 2016, 32(7-8): 70-77.
[13]	夏立新,谭荧. LOD的网络结构分析与可视化^*[J]. 现代图书情报技术, 2016, 32(1): 65-72.
[14]	王小立. 智能多Agent网络的微信信息传播仿真研究[J]. 现代图书情报技术, 2015, 31(6): 85-92.
[15]	杨宁, 黄飞虎, 文奕, 陈云伟. 基于微博用户行为的观点传播模型[J]. 现代图书情报技术, 2015, 31(12): 34-41.

Viewed

Full text

Abstract

Cited

Shared

Discussed