知识网络研究述评：结构、行为、演化与绩效

周荣 喻登科

〔摘 要〕[目的/意义]从一个更为系统的视角梳理和评述国内外知识网络研究文献，为后来研究者提供参考与启发。[方法/过程]通过文献整理归纳，将知识网络研究分为结构、行为、演化和绩效四个方面，并对每一方面的研究成果加以系统整理和述评。[结果/结论]目前，知识网络已经成为一个多学科交叉研究领域。在结构维度，集中在拓扑结构和小世界网络结构的探索，以及对网络结构生成机制的探究；在行为维度，重在知识网络中的知识学习、共享、整合、协同创新等环节的机理与路径分析；在演化维度，聚焦于演化机制模型的构建与仿真试验；在绩效维度，着眼于知识网络对知识增长、技术创新、组织成长的积极影响等。

〔关键词〕知识网络；文献综述；结构；行为；演化；绩效

DOI：10.3969/j.issn.1008-0821.2018.04.025

〔中图分类号〕C931 〔文献标识码〕A 〔文章编号〕1008-0821（2018）04-0170-07

〔Abstract〕[Purpose/Significance]To card and review the literature of knowledge network from systematical perspective is valuable and insightful for potential researchers.[Method/Process]The knowledge network research was divided into four clusters including structure，behaviour，evolution and performance by literature sorting，and the fruits of every aspect were systematically organized and discussed.[Result/Conclusion]Currently，knowledge network was a interdisciplinary research field.From structure dimension，the research focuses on topological structure，small-world network structure，and structure forming mechanism；from behaviour dimension，the mechanism and paths of knowledge learning，sharing，integrating and innovating were emphatically discussed；from evolution dimension，built models and simulated them to attract much interests；from performance dimension，the impacts of knowledge network on knowledge increased，technology innovation and organization growth were concentrated.

〔Key words〕knowledge network；literature review；structure；behaviour；evolution；performance

知识网络，是对一种“基于知识的关系”的描述。知识网络概念的提出，可追溯到20世纪90年代，它被认为是组织进行知识获取、存储、转移和创新的载体与媒介，由此成为知识管理理论的一个重要分支和研究热点。在知识网络中进行知识共享、知识整合和知识创造，被认为是提高组织知识创新能力与绩效的主要活动。已有的大量研究表明，知识网络的结构特征和关系特性等，对组织流转和应用知识的能力，甚而对组织、团队创造性地实现产出绩效有着至关重要的影响。目前，知识网络理论在管理学研究领域被广泛应用于解释团队的结构与行为、企业组织的跨边界活动、产业集群的动态演化等，在科学组织的运行机理、技术创新绩效的提升以及核心竞争力培育等方面具有较强的解释力。

知识网络是交叉科学研究的产物。最开始，网络是数学、运筹学中与图论相关的概念，网络是指存在某种关系的诸多个体的集合。从图与网络的视角，学者对知识网络进行了多种研究性质的分类，例如：无向网络和有向网络，均权网络和加权网络，规则网络、随机网络和小世界网络等。甚至，有些学者认为知识网络应该被纳入经济物理的范畴。因此，很多研究知识网络微观拓扑结构及其动力学的成果被发表在物理学学术期刊上，例如《Physical Review Letters》、《Physical Review E》和《Physica A》等。

但是知識网络的概念被提出后，知识网络更多被看成是社会网络的一个特殊组成部分，属于社会学领域的研究范畴。不同的是，社会网络是人类个体基于亲缘、地缘、业缘等而构成的关系网络，社会网络中的邻近节点通常是认识的；而知识网络在个体互不熟识的情况下仍可成型，由此形成虚拟的知识网络组织。相对于社会网络中关系与功能的复合型（可以实现多种资源的同时流动，包括信息、知识、物质、资本、人力等）而言，知识网络的功能更为单一而高效，只专注于知识和信息资源的流转。但是，知识网络中的知识共享、扩散等流转行为又在一定程度上要依赖于社会关系和社会资本而完成，信任、心理契约、权威、规范、行动的共识等是知识网络能够起到知识运载与传递作用的基础条件。关系、结构、认知被认为是知识网络的3个维度。在组织中嵌入社会网络与知识网络的结构、关系和认知行为，就能由此促进知识资源内化与集体行动，从而为组织衍生出社会资本并促进知识资本的增长。社会网络分析方法常用于对知识网络结构与关系的解析，强关系、弱关系、结构洞、簇群等是知识网络社会化研究的重点内容。

此外，知识网络还是文献计量学领域的一个研究热点。因为学者们在进行知识网络研究时，需要有案例来源和数据支撑，而文献计量领域中的合作研究关系、互相引用关系、词汇共现关系等为知识网络提供了可行的大规模数据来源。由此，出现了三种典型的文献计量知识网络：直接引证网络、文献耦合网络和共现网络。在文献计量学中，知识网络通常被用于发现学术共同体、发掘学术研究的继承关系、探索学术前沿、聚类主要研究方向等，由此为后续研究提供方向性的指导与借鉴。

将文献计量学中的知识网络进一步引申并开发其知识发现的功能，由此形成了科学知识图谱、知识地图等概念，并正式进入情报学研究领域。情报学家Brookes（1981）在发表于《Journal of Information Science》中的一篇文献中提出了认知地图的构想，认为人类的认知是从关系索引中获得灵感，并由此形成知识粒度和情报单元，再由情报单元组成情报空间，最终形成综合认知[1]。因此，基于概念关系的认知地图就是形成科学认知的关键。随着计算机和网络技术的应用，更复杂的知识地图也被开发出来，例如：基于语义、主题和概念关联的语义地图。而将心理科学、生命科学等方面的知识引入，开发出了表现认知过程及思维发展的思维导图等。

在系统科学与复杂网络理论兴起以后，很多学者开始认识到知识网络的复杂特性，由此将复杂科学理论引入知识网络的研究。基于对引证网络连接度满足负幂分布的统计发现，早期情报学研究学者将其认为是马太效应的体现。直到小世界网络和无标度网络概念的产生，学者们才系统思考网络结构连接的不均匀性对网络功能特性的复杂影响，由此过渡到复杂网络的验证性与应用性研究阶段。众多学者对各种知识网络（例如：引证网络、共词网络、合著网络等）进行平均路径长度和聚类系数的统计，发现知识网络中普遍存在小世界特征。

总体而言，目前知识网络在国内外均开展了大量的研究工作，取得了非常丰硕的研究成果。国内学者实际上也发表了数篇引入和评述知识网络的文献，然而，一方面，知识网络研究在迅速的发展，有必要对国内外相关文献做及时的跟踪、总结与梳理；另一方面，现有的每一份文献综述都是基于作者自身认知而分析归纳的，个人见解不同，文献综述的思路与体系也会有异。因此，以系统思路和最新文献对知识网络研究做新的总括与评述，既有利于更好地观察过去，也有利于更好地启引未来，具有重要价值和意义。

1 知识网络结构的研究

1.1 拓扑结构

从主体构成方面进行研究，Milo和Shen等（2002）提出复杂知识网络的基本组成单位是模体，它是指一组物理或功能上连接在一起的、共同完成一个独立功能的节点。模体是局部节点与关系的集合，是知识网络构成的基本模块[2]。王晓光（2010）通过对期刊论文共词网络的拓扑结构分析发现，网络内存在着一个超大的主体区块，区块内的任意节点之间相互可达，但区块之间存在着较为明显的边界[3]。共词网络的分区结构，一定程度上反映了学术研究中的研究领域分化现象和学术共同体的产生行为。

从结构关系方面进行度量，知识网络拓扑结构的描述变量包括聚类系数、平均最短路径长度、连接度（出度与入度）、网络半径与中心度、介数与紧度等。根据这些测量指标，知识网络在结构上可分为规则网络、随机网络和小世界网络等主要网络类型。众多研究表明，知识网络的微观拓扑结构对其网络性能和知识绩效存在显著影响。

从网络结构的“自然景观”和复杂形成规律方面进行研究，有学者将分形理论引入知识网络的结构分析，提出知识网络在结构上具有自相似特性，即部分和整体相似。Song等（2005）的研究表明，很多现实中的知识网络，在某种长度——标度下确实是自相似的[4]。由此，实现了知识网络结构由微观向宏观的转变，引导学者开始知识网络结构与功能涌现性的研究。

1.2 复杂网络特性

目前，知识网络有两种被熟知的结构特征，即无标度性和小世界性。无标度性反映了知识网络节点连接度的不均匀性，即部分节点具有极高的连接度，而大量节点的连接度则很低。总体而言，大多数知识网络的节点连接度都遵循负幂率分布。小世界性体现为知识网络内任意节点之间都能通过较短的路径实现可达，同时网络节点的聚类系数较高。因为知识网络的小世界特征，极大地提高了知识网络中的知识扩散速度；同时，由此证实了信息、知识相关性存在的普遍性，为知识整合与协同创新提供了理论上的可行依据。

Price（1965）发现在引证网络中知识节点的入度满足指数为2.5～3.0的幂率分布[5]。Redner（1998）通过对近80万篇论文的引证关系进行统计，发现引证网络的入度具有指数约为3的幂率尾[6]。此后，Barabasi A L等（2002）[7]和Newman M E（2003）[8]等对合著网络、共词网络和Web信息网络等进行统计分析，也证实了幂率分布、无标度特征的普遍存在性。近年来国内外学者展开了知识网络无标度性的大量研究，例如Tachimori Y等（2013）[9]等。

在知識网络的小世界结构特征方面，也积累了大量的研究成果。Cancho等（2001）测量得到英文词汇网络的平均路径长度为2.67，聚类系数为0.437，具有小世界特征[10]。韦洛霞等（2004）对三组不同词组网络进行统计，计算得到平均最短路径约为2.60，而聚类系数均超过0.60，表现出小世界效应[11]。刘知远等（2008）对汉语词汇网络的测量分析，发现其平均路径长度介于2.63～2.75之间，聚类系数介于0.535～0.619之间，小世界特征显著[12]。林敏等（2012）对中航集团某企业3种产品的研发团队知识交流网络进行结构测量，发现交流网络与随机网络具有相近的平均路径长度，然而聚集系数却要显著高于随机网络，因此也具有小世界性质[13]。胡泉等（2014）证实了汉语复句关系词搭配网络在结构上也存在小世界效应和无标度特征[14]；张古鹏（2015）研究认为不同开放程度的知识网络中，小世界特性对创新绩效会有着不同的影响[15]；魏奇锋和石琳娜（2017）基于小世界网络理论分析了知识网络结构演化的微观动力机制与过程[16]。

1.3 基于结构的知识网络分类

从结构上对知识网络进行划分，通常可分为规则网络、随机网络和小世界网络3种类型。三者在平均路径长度、聚类系数、度分布等结构指标上存在着显著差别。其中，规则网络又可以进一步分为最近邻耦合网络、全局耦合网络和星形网络等。国内外开展了大量关于规则网络、随机网络和小世界网络的性质的研究，但相对于小世界网络，现实中的知识网络很少是规则网络或随机网络，因此，在规则网络和随机网络方面，实证方法研究的成果相对要少。

1.4 结构生成机制

对知识网络结构进行分析与研究，通常有两种方法：实证分析方法和仿真实验方法。其中，实证分析大多数时候会选用社会网络分析方法；仿真实验可采用Matlab、Netlogo等平台进行。在仿真实验中，生成符合网络度分布要求的知识网络，并对知识网络中的节点进行增长和老化处理、对网络中的关系进行断开和重连处理，是最为重要的环节。由此，很多学者开始讨论知识网络结构的生成机制。根据史定华等（2006）的论述，主要有以下5种方法，可用于生成一個具体结构的知识网络[17]：模拟方法，通过若干次的仿真模拟，统计度数为k的节点的频数，以频率代替概率，进行网络节点的连接，生成网络结构；平均场方法，包括BA模型、CA模型等；对BA模型改进的率方程方法；主方程方法；基于概率转移方程的马尔可夫链生成方法。

2 知识网络中的行为研究

2.1 基于知识网络的知识学习

知识网络的形成有利于组织成员进行知识学习。孙锐（2006）研究了知识团队中基于知识网络的扩展学习机制[18]。马鸿佳等（2015）[19]研究认为，知识网络有利于促进组织成员进行二元学习，即探索式学习和利用式学习；而根据Kang等（2007）的观点，知识网络中的弱联结正向影响探索式学习，而强联结正向作用于利用式学习[20]。李文博（2009）检验了知识网络结构与组织学习、创新绩效之间的作用关系[21]；而赵晶等（2009）则给出了产业集群知识网络中的技术学习路径[22]。

从个体层面而言，知识网络为节点之间相互性的知识学习提供了载体平台，也为节点从外界环境中更好地进行知识学习拓宽了渠道。在知识网络中，节点成员能够有更大的概率接收到来自外界环境的信息，从而也有更多机会实现外部学习与内部学习的整合。而且，知识网络也为个体从虚拟组织中实践非正式学习提供了机会。研究表明，虚拟组织、实践社区、社交网络、学习型联盟等正逐渐成为泛在知识环境中个体知识学习的重要平台。

2.2 知识网络中的知识共享

国内外众多学者都认识到知识网络作为知识存储的载体和知识转移的媒介，对知识共享具有非常重要的作用。知识网络的结构特征、关联密度、异质性、规模等均对知识共享的绩效有重要影响。

根据社会网络理论，知识网络在联结关系上可以体现为强关系、弱关系和结构洞等3种特征。较多学者都讨论过3种联结关系对知识共享的作用。最早，Granovetter（1973）认为弱联结更容易发生在差异化程度较大的个体之间，因此比强联结更能促进跨越小团体的知识转移，起到桥梁作用[23]。即，弱联结具有知识搜寻优势。但是，Tsai（2002）的研究表明，节点联结强度的增加能减弱地理位置、技术差异和竞争强度对节点的消极影响，从而有利于知识转移[24]。Levin等（2004）进一步发现，信任是知识网络关联结构与知识共享绩效之间关系的中介变量[25]。Burt（1992）首次提出了结构洞理论[26]，认为结构洞的存在有利于异质性知识的获取与传播。Oh等（2004）也认为，缺乏结构洞的组织会比较排斥组织外的不同信息与知识[27]。但是，Cross等（2001）同时也提出，结构洞程度太高会极大增加中间人的协调压力，导致获取和转移知识的机会减少、效率下降，从而阻碍知识共享[28]。此外，从人口统计多样性的观点出发，知识网络节点成员在专业背景、经历、年龄、偏好、知识基础等各方面统计指标的异质性程度，也会影响网络内的组织协调与信息沟通，从而影响知识共享绩效。就社会网络结构影响知识共享这一主题，唐厚兴（2017）做了详细的文献综述，并在此基础上提出需从知识共享不同阶段和社会网络结构匹配性上去分析才有利于更好地理解二者之间的内在作用机制[29]。

从个体层面而言，影响节点从知识网络中获取或共享转移知识的影响因素主要有：网络位置、距离、知识势差、心理距离、信任、文化差异、异质性等，即：处于网络中有利位置的节点容易获得知识，网络中心势高的节点也有利于知识的获取；节点获得知识的能力取决于它与其他节点之间的网络距离和心理距离，而信任和文化差异是心理距离的重要影响因素；知识势差与知识异质性决定了节点从网络中获得知识的能力，过低的知识基础或过于异化的知识背景都不利于节点从网络中有效的获得知识资源。

2.3 知识网络中的知识整合

知识整合和知识网络之间存在关联，众多研究结果表明：网络中心化、网络联结、网络密度、网络角色对知识整合存在显著性的影响。Rulke等（2000）提出中心化互动模式和非中心化互动模式，认为非中心化互动模式下的知识型团队中知识资源更加平均的分配，更多的成员能够参与知识共享与交流，从而能更大程度地实现知识整合[30]。熊焰等（2011）研究发现，工具性社会网络非中心性对知识整合呈倒U性的影响关系[31]；他们还提出，工具性联结直接对知识整合产生影响，而网络中的情感性联结通过加强信任、凝聚力等间接对知识整合产生影响。Tiwana（2008）检验了桥联结与强联结之间的对立、互补关系，认为桥联结有利于获取异质性知识资源，但缺乏知识整合能力，而强联结具有知识整合能力，却缺乏获得异质性知识的能力。由此，桥联结与强联结的组合有利于促进知识整合与创新[32]。Patrashkova-Volzdoska等（2003）提出网络密度代表知识型组织内的互动程度，而成员间的互动有利于知识交流、共享与整合[33]。Awazu（2004）提出非正式知识网络中存在着中心联系人、边界人员、守门员、桥接人和专家等5种角色人员，他们都对网络的知识整合能力起到至关重要的作用[34]。此外，魏江等（2014）[35]还探究过知识网络结构对知识整合的作用机制。

2.4 基于知识网络的协同知识创新

关于知识网络与协同知识创新之间的关系，国内外发表了大量的研究成果，主要集中在以下3个方面：第一，知识网络结构对知识创新的作用关系；第二，知识网络关系对知识创新的作用关系；第三，网络异质性与知识创新的关系。此外，也有学者研究了基于知识网络的知识创新机制、机理、模式等。王黎萤等（2017）探索了核心层、中间层和外围层知识网络嵌入性对研发团队创造力的作用机理[36]。

较多学者通过仿真或实证的方式，论证了知识网络结构与知识创新之间的作用关系，通常认为知识网络的结构对网络中的协同知识创新有着不同的影响，而小世界网络结构因为其恰当的连通性、网络密度、连接强度以及自组织特性等而更能对知识流动、整合与协同创新产生积极效果。在以往的研究中，通常将知识创新分为渐进式创新和突变式创新，而在知识网络组织中，强联系发生在日常的事务性工作中，因此适合于渐进式创新；弱联系因情感、信任、友谊、合作等关系而生成，它更有利于促进网络成员之间的自由合作与探索，因此有利于促进突变式创新的发展。在学者们的认知中，大多数人都认为要促进知识整合与创新，网络节点之间的异质性是必要的，否则同质性节点之间不存在合作创新的基础。但如果网络节点之间异质性太大，又很难形成相互理解与认同的协作关系，因此也会不利于协同知识创新。因此，通常认为，网络异质性与知识创新之间是倒U型关系。同时，还有一些研究认为，由于知识关系的网络化，使得组织内、组织间的知识创新呈现出更加多样化与复杂化的机理机制，而这又一定程度上颠覆了传统的他组织的知识创新模式，让知识创新走向自组织。

3 知识网络演化的研究

学者们专门针对知识共享网络演化模型的研究也有了一定的成果积累。傅荣等（2006）利用Blanche软件实现了知识共享网络演化模型的仿真设计，在他所构建的模型中，“认知”这一变量是整个模型能够得以动态变迁的关键，随着知识共享合作水平的强化或减弱，网络节点之间的关系也在发生变化，从而实现网络结构与知识共享水平的交互[37]；在黄训江（2011）所构建的仿真模型中，知识共享网络结构演化的动力来源于网络节点基于知识获取最大化规则的全局性知识搜索[38]；单海燕等（2011）研究了一类基于知识相关度的局部偏好连接机制和偏好删除机制的知识网络演化模型[39]；马费成等（2011）的仿真模型中指出，知识共享網络在时间上的演化规律是知识增长与知识老化交替的结果[40]；刘向和马费成（2012）基于复杂网络方法构建的仿真模型中，将引入度择优和时间择优作为知识共享网络演化的动力机制，认为这种机制更有利于网络节点高效吸收新近知识[41]；Zhang Y（2013）将知识共享网络演化的动力解释为网络节点之间的竞争机制，并由此构建了演化模型[42]；王斌（2014）认为知识共享网络的演化动力也可以是来自于基于网络节点共生关系的知识互动[43]；Nicotra M等（2014）则用网络节点的知识吸收能力来解释知识共享网络演化的成因[44]；Tang（2015）在社会网络设置的基础上建立了一个产业集群知识共享网络演化的仿真模型，他认为知识储备与知识共享分别从内部和外部两个方面促进了产业集群的分散与聚合演化，而伴随着产业集群的演化，其知识水平与知识共享能力也在发生变化[45]；赵健宇（2016）则提出利用知识本身的属性，包括知识贬值与知识活性，也能形成知识共享网络中关系连接的择优机制，从而驱动知识共享网络的运行与演化[46]；Choudhury N等（2016）则认为，相比较于传统的网络拓扑结构与随时间变化的网络结构关系择优重连方法，监督式学习机制能够更好地预测知识共享网络的演化趋势[47]；喻登科等（2016）率先尝试用网络节点的社会心理属性特征来决定其对邻近节点是否进行知识共享的选择偏好，进而通过逆向反馈路径来带动知识共享网络结构的演化[48]；张斌等（2016）发表的《知识网络演化模型研究述评》一文中明确指出，已有文献大多利用BA模型及其改进模型来研究演化机理，未来的研究应结合网络的局部结构特征和节点的外部属性信息来建立混合择优模型[49]。

从上述文献中可以提炼得到，知识共享网络演化的动力与连接机制，目前基本可以归纳为4个方面的解释：第一，基于随时间变化的随机概率或引入度择优的重连机制，这是大多数模型中采用的方法；第二，基于知识学习、知识搜索、知识竞争、知识属性的连接机制，这种方法相对而言比较能体现知识共享网络的独有特征；第三，基于外部环境因素驱动的重连机制，目前这种方法探索非常少；第四，基于认知、偏好、感知效用最大化等节点心理特征实现的连接机制，这种思路被一些学者认为是“有趣的”、“未来值得研究”的方向。

4 知识网络绩效的研究

4.1 知识网络与知识增长

知识网络中由于知识传播、共享、扩散、创新等活动的运作，使得知识网络中不仅节点个体能实现知识增长，更重要的是网络中知识总量能迅速提升，节点的平均知识拥有量也会呈增长态势。马费成等（2011）对知识网络中知识的增长与老化动态进行了动力学建模分析[50]；江积海等（2011）构建出知识网络中知识生产函数的一般形式与特殊形式，发现网络中知识增长存在一定条件下的稳定平衡路径[51]；周文等（2015）将知识增长绩效的影响因素纳入动态过程，构建了集群创新网络中的知识增长过程模型[52]；金燕等（2015）构建了协同创新网络知识增长的动力模型，它由知识增长基础平台、着力点、外部驱动鞭、内部驱动轴和旋转辐射网等五部分组成，其运行主要经历定点启动阶、非周期振动、高速稳定旋转及分化等四个阶段[53]。

4.2 知识网络与技术创新

随着全球产业链竞争格局与共享经济模式的兴起，企业间旧有的竞争模式逐渐演变为网络层面的竞争与合作。与此同时，技术的复杂性增强与专业化程度增加，使得企业技术创新需要寻求开放与外援，而知识网络正是满足这一需求的新渠道。在知识网络环境下，企业技术创新的模式在悄然发生变革，开放式技术创新成为智能经济下的重要创新模式。一些国际知名的高新技术企业（例如，因米柚空间而实现颠覆的小米公司）和知识密集型产品（例如，基于iPhone的APP开发）都因开放式创新而生存与发展，而技术创新的众包模式则为大众创新战略的实现提供了方略。众多研究均表明，知识网络为技术创新提供了更好的载体、媒介与平台，改造了技术创新的动力学特征，会对技术创新绩效产生积极的重大影响。此外，知识网络的结构特征（包括中心势等）也会对组织中的二元性技术创新绩效产生重要影响。

4.3 知识网络与组织成长

企业组织在对内、对外的知识网络建构过程中，能通过知识获取、知识转移、知识创新和知识利用来不断的强化组织知识库，改造组织内和组织间的知识关系与协作路径，并促成知识型组织的自组织演化，让组织伴随着知识增长过程而实现由量变到质变，促成企业组织的成长。依据K Chidambaranathan（2004）的观点，知识网络改变了企业组织的信息系统生态，而让组织有了更有利于成长的环境[54]。

5 结 论

在经济全球化、产业集群化、企业知识密集化的大背景下，知识网络研究有着极其重要的现实意义。而且，因为知识网络的社会、物理、经济、知识等属性特征，让知识网络有着多学科交叉研究的基础和优势。经过几十年的发展积累，尤其是近一二十年的广泛研究，知识网络领域已经形成了非常丰富的研究成果。这些研究成果的归类整理、脉络梳理与核心观点汇总，有着必要性和重要性。即使在已经有前人做了类似工作的情况下，换一个视角、追踪前沿文献，然后做出更有启示意义的文献述评，也具有发表和传播的价值。本文基于这一认知，以结构、行为、演化、绩效4个维度对知识网络的研究成果做了系统概括，希冀能对过去的研究做一个好的总结，更希望能为后来研究者提供参考与指引。同时还需特别强调的是，关于知识网络的研究成果，还有很多，本文的参考文献中未一一列出；关于知识网络的维度认识，也可以有别的视角，本文仅提供了其中的一个认知架构。这是本文在认识论上的局限性，但是本文作者团队会沿着我们的认知架构，找寻有潜力的研究方向，未来做更多深入和具体的探索。

参考文献

[1]Brookes B C.The Foundations of Information Science：Part IV.Information Science：The Changing Paradigm[J].Journal of Information Science，1981，3（1）：3-12.

[2]Milo R，Shen-Orr S，Itzkovitz S，Kashtan N，Chklovskii D，Alon U.Network Motifs：Simple Blocks of Complex Networks[J].Science，2002，（298）：824-827.

[3]王晓光.科学知识网络的形成与演化（II）：共词网络可视化与增长动力学[J].情报学报，2010，29（2）：314-322.

[4]Song C，Havlin S，Makse H A.Self-Similarity of Complex Networks[J].Nature，2005，（433）：392-395.

[5]Price D J.Networks of Scientific Papers[J].Science，1965，（149）：510-515.

[6]Redner S.How Popular is Your Paper？An Empirical Study of the Citation Distribution[J].European Physical Journal B，1998，（4）：131-134.

[7]Barabasi A L，Jeong H，Neda Z，Ravasz E，Schubert A，Vicsek T.Evolution of the Social Network of Scientific Collaborations[J].Physica A：Statistical Mechanics and Its Applications，2002，311（3-4）：590-614.

[8]Newman M E.The Structure and Function of Complex Networks[J].Siam Review，2003，45（2）：167-256.

[9]Tachimori Y，Iwanaga H，Tahara T.The Networks from Medical Knowledge and Clinical Practice Have Small-World，Scale-Free，and Hierarchical Features[J].Physica A：Statistical Mechanics & Its Applications，2013，392（23）：6084-6089.

[10]Cancho R F I，Sole R V.The Small World of Human Language[C].Proceedings of the Royal Society of London Series Biological Sciences，2001，268（1482）：2261-2265.

[11]韋洛霞，李勇，李伟，等.汉字网络的3度分隔与小世界效应[J].科学通报，2004，49（24）：2615-2616.

[12]刘知远，郑亚斌，孙茂松.汉语依存句法网络的复杂网络性质[J].复杂系统与复杂性科学，2008，5（2）：1-9.

[13]林敏，李南，吴贵生.研发团队知识交流网络结构的实证研究[J].科研管理，2012，33（9）：63-70.

[14]胡泉，刘延申，谢芳，等.汉语复句关系词搭配网中的小世界效应和无标度特征[J].武汉大学学报：工学版，2014，47（6）：859-864.

[15]张古鹏.小世界创新网络动态演化及其效应研究[J].管理科学学报，2015，18（6）：15-29.

[16]魏奇锋，石琳娜.基于小世界网络的知识网络结构演化模型研究[J].软科学，2017，31（7）：135-140.

[17]史定华，刘黎明.演化网络——模型、测度与方法[A].许晓鸣，郭雷.复杂网络[C].上海：上海科技教育出版社，2006：6-10.

[18]孙锐.基于知识网络扩展学习的知识团队创新研究[J].科学学与科学技术管理，2006，（10）：130-134.

[19]马鸿佳，侯美玲，宋春华.社会网络、知识分享意愿与个人创新行为：组织二元学习的调节效应研究[J].南方经济，2015，（6）：100-113.

[20]Kang S C，Morris S S，Snell S A.Relational Archetypes，Organizational Learning，and Value Creation：Extending the Human Resource Architecture[J].Academy of Management Review，2007，21（1）：236-256.

[21]李文博.知识网络结构、组织学习与创新绩效的实证研究[J].科技管理研究，2009，（8）：415-417.

[22]赵晶，周江华，张帆.基于集群知识网络的技术学习路径研究[J].科技进步与对策，2009，26（3）：59-63.

[23]Granovetter M S.The Strength of Weak Ties[J].American Journal of Sociology，1973，78（6）：1360-1380.

[24]Tsai W.Social Structure of“Coopetition”Within a Multiunit Organization：Coordination Competition，and Intraorganizational Knowledge Sharing[J].Organization Science，2002，13（2）：179-190.

[25]Levin D Z，Cross R.The Strength of Weak Ties you Can Trust：the Mediating Role of Trust in Effective Knowledge Transfer[J].Management Science，2004，50（11）：1477-1490.

[26]Burt R S.Structural Holes：The Social Structure of Competition[M].Cambridge：Harvard University Press，1992.

[27]Oh H，Chung M H，Labianca G.Group Social Capital and Group Effectiveness：The Hole of Informal Socializing ties[J].Academy of Management Journal，2004，47（6）：860-875.

[28]Cross R，Parker A，Prusak L，et al.Knowing what we Know：Supporting Knowledge Creation and Sharing in Social Networks[J].Organizational Dynamics，2001，30（2）：100-120.

[29]唐厚兴.社会网络结构对企业间知识共享影响研究综述[J].情报科学，2017（6）：164-170.

[30]Rulke D L，Galaskiewicz J.Distribution of Knowledge，Group Network Structure，and Group Performance[J].Management Science，2000，46（5）：612-625.

[31]熊焰，李杰义.网络结构、知识整合与知识型团队绩效关系研究[J].研究与发展管理，2011，23（6）：8-16.

[32]Tiwana A.Does Technological Modularity Substitute for Control？A Study of Alliance Performance in Software Outsourcing[J].Strategic Management Journal，2008，29（7）：769-780.

[33]Patrashkova-Volzdoska R R，McComb S A，Green S G，et al.Examining a Curvilinear Relationship Between Communication Frequency and Team Performance in Cross-Functional Project teams[J].Engineering Management，IEEE Transactions on，2003，50（3）：262-269.

[34]Awazu Y.Informal Network Players，Knowledge Integration，and Competitive Advantage[J].Journal of Knowledge Management，2004，8（3）：62-70.

[35]魏江，徐蕾.知識网络双重嵌入、知识整合与集群企业创新能力[J].管理科学学报，2014，17（2）：34-47.

[36]王黎萤，虞微佳，王宏伟，等.跨层次知识网络嵌入性对研发团队创造力的影响研究[J].浙江工业大学学报：社会科学版，2017，16（1）：1-9.

[37]傅荣，裘丽，张喜征，等.产业集群参与者交互偏好与知识网络演化：模型与仿真[J].中国管理科学，2006，14（4）：128-133.

[38]黄训江.集群知识网络结构演化特征[J].系统工程，2011，（12）：77-83.

[39]单海燕，王文平，王娇俐.知识网络演化模型的仿真研究[J].系统仿真学报，2011，23（1）：80-84.

[40]马费成，刘向.知识网络的演化（Ⅱ）：增长老化与知识产生时点的关系[J].情报学报，2011，30（9）：916-921.

[41]刘向，马费成.科学知识网络的演化与动力——基于科学引证网络的分析[J].管理科学学报，2012，15（1）：87-94.

[42]Zhang Y，Jie W U，Liu T.Weighted Network Evolution Model of Industry Technology Innovation Alliances Knowledge Transfer Based on Node Competitivenesss[J].Management Science & Engineering，2013，7（1）：35-44.

[43]王斌.基于网络结构的集群知识网络共生演化模型的实证研究[J].管理评论，2014，26（9）：128-138.

[44]Nicotra M，Romano M，Giudice M D.The Evolution Dynamic of a Cluster Knowledge Network：The Role of Firms Absorptive Capacity[J].Journal of the Knowledge Economy，2014，5（2）：240-264.

[45]Tang H.Modelling and Simulation on Evolution Effect of Knowledge Sharing on Industry Cluster Based on Social Network[J].Open Cybernetics & Systemics Journal，2015，9（1）：1183-1188.

[46]赵健宇.知识创造行为对知识网络演化的影响——以知识贬值和知识活性为参数[J].系统管理学报，2016，（1）：175-184.

[47]Choudhury N，Uddin S.Time-Aware Link Prediction to Explore Network Effects on Temporal Knowledge Evolution[J].Scientometrics，2016，108（2）：745-776.

[48]喻登科，周荣，涂国平.嵌入社会心理的知识网络结构、行为与绩效关系仿真[J].科技进步与对策，2016，33（1）：132-141.

[49]张斌，李亚婷.知识网络演化模型研究述评[J].中国图书馆学报，2016，42（5）：85-101.

[50]马费成，刘向.知识网络的演化（Ⅰ）：增长与老化动态[J].情报学报，2011，30（8）：787-795.

[51]江积海，于耀淇.基于知识增长的知识网络中知识生产函数研究[J].情报杂志，2011，30（5）：114-118.

[52]周文，陈伟，郎益夫.集群创新网络知识动态增长研究：基于过程视角[J].系统工程学报，2015，30（4）：431- 441.

[53]金燕，李昱瑶.协同创新网络知识增长的动力模型研究[J].图书馆学研究，2015，（20）：95-100.

[54]Chidambaranathan K.Knowledge Management and Organizational Growth[J].University News，2004，42（24）：11-14.

（責任编辑：郭沫含）