基于双粒度语义特征与异质性网络的知识共创价值识别

[研究目的]旨在优化虚拟社区中知识共创价值的识别方法，缓解因信息过载和关联复杂性等导致的高价值性知识资源识别效果不佳的问题。[研究方法]从知识共创的动态协同过程入手，构建集成双粒度语义与异质性网络的知识共创价值识别模型(DGSHAN)。首先利用BERT、Sentence-BERT并行获取词、句双粒度知识单元的语义信息，继而引入CNN、BiLSTM差异化提炼协同知识的局部内核特征与动态时序特征；同时采用HAN处理异质性关联网络，挖掘用户交互下多类型实体与拓扑结构中的关联规律，最后融合知识资源组合和用户行为互动双链路特征，实现知识共创价值的有效识别。[研究结论]经魅族社区Flyme数据验证，该模型的识别准确度、宏F1、加权F1分别为82.16%、73.56%、81.39%,相较于其他基线模型，各评估指标都有显著提高，可以有效提升知识共创价值的识别效果。