小世界网络理论在知识管理领域应用的综述，本文主要内容关键词为：知识管理论文,领域论文,理论论文,世界论文,网络论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号C931 文献标识码A 文章编号1002-1965(2010)09-0120-04
修回日期：2010-07-15
自然界中的元素构成了庞大而繁芜冗杂的系统，这些系统本身的多变性与不确定性决定了研究工作的复杂性和高难度性，然而，人类逐渐意识到这些复杂的系统都可以用网络的概念和结构加以表征和描述，兴起于20世纪末的复杂网络成为研究该类问题的有力工具，小世界网络理论是近年来复杂性科学研究的一个新进展。科学家们通过大量有趣的试验，揭开了人们认为“世界很小”的谜团。作为一种交叉性学科，小世界理论发展很快，已经在许多领域得到应用。
知识管理是21世纪最热门的话题，知识的扩散、转移及共享是经济增长的重要驱动因素，能否对知识加以有效的管理，成为决定个人和组织在竞争中成败的关键。小世界网络理论应用于知识管理领域的研究已成为学术界和实务界共同关注的一个理论与实践课题，国内外学者对小世界网络中的知识扩散、知识转移和知识共享等进行了大量探索。
1 小世界网络理论
1.1 小世界网络基本概念 小世界网络理论最早起源于20世纪60年代社会心理学家斯坦利·米尔格拉姆(Stanley Milgram)一项名为“追踪美国社交网络中的最短路径”的实验[1]，他要求每个参与者寄信给一个住在波士顿附近的“目标收信人”，规定他们只能将信件转发给他们认识的人，结果发现，信件要抵达目标收件人，中间要平均经过6次转发过程，这也就是著名的“六度分离”(Six Degrees of Separation)理论或“小世界效应”(Small-world Phenomenon)[2]，即任何两个相互不认识的人能够通过“六度空间”产生必然的联系。以往对于网络的许多研究都建立在假设网络的拓扑结构是规则网络或者随机网络的基础之上，然而现实世界中绝大多数的网络既不是规则也不是随机，而是介于二者之间的。Watts和Strogatz于1998年在美国Nature杂志上发表文章，提出了著名的“W-S小世界网络模型”[3]，并且分别对C.Elegans蠕虫网络、美国西部电力网络以及电影明星合作网络进行了研究，结果表明，以上三种网络都具有小世界网络特征。
1.2 小世界网络的构造及特征参数 Watts和Strogatz给出的“W-S小世界网络模型”的构造算法[3]是：从一个含有n个节点(Vertex)，每个节有k条边(edge)的环型规则网络开始，用一个概率值p表示网络的随机程度(0≤p≤1)，以概率p对网络中的每个节点进行断键重连，并且保证没有重复连接和自连接，这样就会产生pkn/2条长边(以下简称捷径)，通过调节概率p的值，从而实现从规则网络(p=0)到随机网络(p=1)的演化，而0＜p＜l的中间状态就是值得深入研究的小世界网络状态。为了保证网络的稀疏性和连通性，模型假设n＞＞K＞＞ln(n)＞＞1[4]。小世界网络的构造过程如图1所示。
图1 小世界网络的构造过程及从规则网络向随机网络的过渡[3](N=20，K=4)
“W-S小世界网络模型”用特征路径长度L(p)和集聚系数C(p)表述网络结构特征。L(p)表示整个网络中从一个节点到达另一个目标节点所需经过的最少边数的平均值，表达了网络中任意两节点间相互到达的难易程度；C(p)用来描述网络的局部特征，衡量网络结构中是否有相对稳定的子系统存在，即表示的是近邻节点之间联系的紧密程度。Watts和Strogatz的研究发现，当p→0时，L～n/2k＞＞1，C～3/4；当p→1时，
。从而得到结论：当网络结构趋向于规则网络时，网络具有较高的集聚系数，同时也会取到较高的特征路径长度的值；当网络结构趋向于随机网络时，网络的特征路径长度值较小，换言之，即网络中任意两个节点比较容易相互到达，但网络集聚系数的值较小。Watts和Strogatz发现，随着p值的增大，网络由规则网络向随机网络变动的过程中会有一个特殊的区间，在这个区间中网络一方面能够取得较小的特征路径长度的值，另一方面也具有较高的网络集聚系数，这个特殊的区间也就是小世界网络[3]。
1.3 加权小世界网络 Watts和Srogatz提出的具有n个节点和k条连接边的拓扑结构图G有很强的限制条件：a.非加权的无向图；b.简单结构的网络连接——任意两个网络成员之间不能有多于一条连接边；c.网络是稀疏网络k＜＜n(n-1)/2，同时保证网络稀疏的前提下还要保证网络是联通的k＞＞nln(n)；d.网络拓扑结构只能表现两个节点之间是否存在连接却不能反映二者之间的紧密程度[5]。这显然是为了便于研究而对现实网络的一种高度的简化，因为在现实世界中的网络，诸如人际关系网、神经网络、电路网、交通网、通信网络等等都不是如此简单的，它们或者是加权网络，或者是有向网络，而多数情况下现实世界中的网络是既加权又有向的复杂网络。因此，Watts和Stogatz所提出的模型应用到现实网络中时，就会显得比较牵强。
Vito Latora和Massimo Marchiori[6]基于无向加权网络试图对Watts和Strogatz模型加以改进，引入连接边权重的概念，用以表征两节点间交互的难易程度，权重值越小表示二者间的交流越容易发生，并从效率E和成本C的角度对小世界网络模型进行考察，用效率E衡量信息在节点间进行传递的效率，并用E在全局和局部的估计值以及成本C等几个参数对小世界网络进行考查，这样不但回避了Watts和Strogatz研究的诸多限制，而且反映了高效率往往伴随着高成本的客观经济规律。网络成本是对网络进行配置和变更时重要的衡量指标，不能盲目地以提升局部或者全局的效率而不惜以过高的成本为代价，这是得不偿失的，Vito Latoral和Massimo Marchiori的模型证明了小世界网络能够在局部和全局范围内以较低的成本有效地传递信息，是在全局和局部范围内有效的低成本网络，从而解决在保证局部和全局高效的同时控制好网络成本的问题。
综上所述，无论是一般的小世界网络还是加权小世界网络，均表现出较短的特征路径长度、较高的集聚系数以及较低的网络交互成本等特征。相比较其他的网络结构(如随机网络和规则网络)，小世界网络结构更有利于网络中的知识扩散、知识共享与知识转移。
2 基于小世界网络的知识扩散研究
Argote和Ingram提出，在集群式的网络中，知识的扩散是网络成员受到其他成员经验影响的过程[7]，这种影响过程的效果取决于网络成员之间的知识交流频率和集聚程度[8]。
Cowan和Jonard将知识扩散视作网络成员之间的以物易物的交易过程(Barter Exchange)，用Watts和Strogatz给出的“W-S小世界网络模型”的构造算法进行网络模型构造，对知识扩散与网络结构之间的关系进行了研究[9]。模型对网络节点之间的知识扩散进行了严格的限制：模型将知识视作一种矢量，每个网络节员都拥有n个维度的知识(即n种知识)，当且仅当进行知识扩散的两个节点具有直接连接，二者同时拥有对方所需要的知识时，才进行知识扩散，类似于物物交换。为每个节点设定知识禀赋值与吸收能力指数，并引入具有较高知识水平的专家节点以更为贴近现实生活，同时使知识扩散过程更加清晰，仿真结果显示：知识的扩散扩成具有明显的小世界网络特征；当网络结构呈现出小世界网络特征时，网络中节点的平均知识水平最高，节点间的知识水平差距较大。
Cowan和Jonard的模型对以后的研究具有重要的指导意义，然而该模型却存在几个明显的缺陷：首先，模型并没有说明怎样才能够形成这种高效的小世界网络结构；其次，模型假设网络中的节点都知道对方所掌握的知识并以此来判断是否要进行交易；第三，也是最重要的一点，模型假设知识的交换是以物易物的交换形式，显然，这种假设过度简化了知识交换的过程[10]。因为在当今货币作为一般等价物的经济世界，几乎任何商品都能够用一定量的货币进行交换，而不一定必须拥有对方需要的商品。另外，如果将进行知识交换的两节点间的紧密程度考虑其中，这种以物易物的限制条件则显得更加脱离现实。
Piergiuseppe和Richard在Cowan和Jonard模型的基础上进行了改进，构建了一个能够随着知识交换发生变化的网络结构[10]，网络中的成员能够通过面对面的交流而相互认识从而建立起连接，由此可以研究小世界网络的生成过程，这也更加近似于真实的网络机制。Piergiuseppe和Richard分别研究了网络成员间知识扩散的短期动态过程和长期的定态，与Cowan和Jonard的研究相似的，他们也得出了网络结构会影响知识扩散的结论，此外，结果显示模型都是长期收敛的，而根据最初设置的知识差距的不同，短期的动态过程也会有所不同。当最初设置相当大的知识差距时，所有的成员将分为3组：第一，组成员都是博学的；第二，组成员是不断赶超的；第三，属于边缘群体。如果适当地缩小知识差距，所有的网络成员都是赶超型的，由此经过少数次循环后达到最高的知识水平，同时在短期，也能够发现网络呈现小世界网络的特征，换言之，对于网络中知识扩散最为关键的是网络成员间的知识水平差距，倘若成员间有极大的知识水平差距，那么即使他们处在小世界网络中也不能有效地进行知识扩散，模拟曲线也不能达到收敛，因为一部分成员很快达到了较高的平均知识水平，而另一部分成员却被排除在外；相反，如果成员之间的知识水平取得较小的合理的差距时，网络成员能够迅速达到一个较高的平均知识水平，只有当沟通的阻碍因素(Barriers to Communication)被消除的情况下，小世界网络才能够有效地促进知识合理公平的扩散，这与Cowan和Jonard的研究结论有所不同。Cowan和Jonard认为小世界网络成员间具有较大的知识差距。
Piergiuseppe和Richard的研究试图解决前文中提到的Cowan和Jonard研究的前两方面的缺陷，但仍然没能够很好地对过分简化知识扩散过程的缺陷进行有效的改进，同时二者均忽略了知识扩散过程中网络成员对知识的保留。我国学者胡峰和张黎对Cowan和Jonard以及Piergiuseppe和Richard的知识扩散模型进行了改进，试图解决以上两个问题。模型中的知识扩散不局限在易货贸易形式的知识交换，而且也包括以货币为交易媒介的知识交易和无偿的知识转移，网络中引入专家的同时考虑专家为保持自身竞争优势在进行知识扩散时的知识保留，研究发现当网络为小世界网络时，经过充分的知识扩散能使整个社会的平均知识水平达到最高，同时知识差异最低[11]。
综上所述，小世界网络结构相比较其他网络结构使知识能以较高的速度、较低的成本在网络中扩散，从而使网络可以在较短时间达到较高的平均知识水平。网络成员的知识水平差距会对网络结构的生成和演化产生影响，保证网络成员间适当的差异化将有利于成员间小世界网络的形成和知识扩散。同时，网络成员间的交流频度是影响知识扩散的一个非常重要的因素，目前对小世界网络中成员间交流频度对网络中知识扩散影响的研究还相对不足。
3 基于小世界网络的知识转移研究
知识转移包括知识发送和接受两个部分，发送方和接受方的特征和二者间的关系同时对知识转移过程产生影响。Bart和Geert对技术战略联盟网络中知识的转移过程进行了研究，得出技术战略联盟网络同样具有小世界网络特征，同时这种网络结构有助于网络成员间知识的传递与转移的结论[12]。
Piergiuseppe Morone和Richard Taylor研究了一种网络环境，该网络中的成员间采取面对面的学习过程实现知识转移，文章通过建模仿真探讨知识的转移是一种均匀扩散过程还是偏重某种路径的扩散过程，同时通过成员决策结果模型分析得出该网络中的知识转移具有小世界网络特征的结论[13]。
产业集群具有大规模复杂网络的结构特征，冯峰和王凯构建了产业集群内知识转移的小世界网络模型，探讨集群成员间“距离”、知识转移频率、成员集聚程度之间的关系，为利用相关措施调整成员“距离”、达到平衡的集聚程度最终促进集群健康发展提供一种新的思路[8]。
成桂芳等认为，知识团体之间的知识协作关系形成了虚拟企业的知识协作网络，建立了基于复杂网络理论的知识协作网络模型，研究证明虚拟企业中的隐性知识转播具有小世界网络效应，网络节点间具有较短平均距离和较高集聚系数等特征，这种特征能够使知识团体快速了解虚拟企业内其他知识团体的知识信息，对知识团体知识创新和整合具有促进作用[14]。
林敏等构建了知识转移复杂网络模型，分别对无标度网络、小世界网络、规则网络和随机网络4种典型网络中的知识转移过程进行仿真分析，对比了知识增长速度、知识水平差异以及知识水平的自相关性在4种网络中的不同。研究结果表明，小世界网络相比较规则网络和随机网络更有助于知识转移，小世界网络中不仅能够实现较高的知识增长速度，同时，小世界网络中的知识水平差异和知识水平的空间自相关性介于规则网络和随机网络之间，既保证了网络中知识的适度差异化，又保证网络成员之间不会形成知识水平高和知识水平低的集团而导致的沟通障碍[15]。
翟运开基于小世界网络理论构建了合作创新团队内部知识转移模型，进行合作创新团队成员间的知识转移频率和知识转移网络集团化系数及交流集中度的分析，分析了合作创新知识转移的实质，即创新团队内部成员的知识共享与交流[16]。
综上所述，技术联盟、产业集群或合作团队等网络都具有小世界网络特征，基于小世界网络理论探讨网络成员间的知识转移有助于使研究结果更加符合现实，同时，小世界网络结构的较短特征路径长度和较高集聚系统等特征，保证了小世界网络结构相比较其他网络结构能够实现网络成员间知识的适度差异化，更有助于知识的交流与转移。然而，大量的研究都集中在基于小世界网络结构研究知识的转移或对比小世界网络结构与其他网络结构对知识转移的影响，对于如何使知识转移网络演化为小世界网络的研究则略显不足。
4 基于小世界网络的知识共享研究
知识共享是一个双向交流的过程，网络成员由于背景不同，交流的紧密程度也不相同：成员间的相似程度越高，越容易建立交流，交流的效率也越大，交流频繁的成员在知识共享网络中的距离越短，交流频率和成员间的最短距离存在着反向的关系。Mike Metcalfe探讨适于复杂网络环境下的知识共享模式，不同于传统的集中管理的知识共享环境，该环境是多变且难预测，是经过长期的自组织运行实现的，参考系统思考、社会网络及生物学等相关文献，Mike提出小世界网络理论是对复杂多变环境下知识共享模式的有力分析工具[17]。
我国学者邓丹等人尝试利用W-S模型分析知识共享，然而，同样考虑到前文中提到Watts和Strogatz提出的W-S小世界网络模型大量约束条件的限制，从而应用Vito Latoral和Massimo Marchiori改进后的加权小世界网络模型对知识共享加以分析[5]。文章根据现实网络中连接边的紧密度不同，将连接边的权重引入知识共享网络，由知识共享的影响因素得出：两点间连接边的权重值大小取决于知识的性质、文化差异和交流方式。在知识共享网络的描述与分析中，提出了用加权小世界网络模型的全局效率、局部效率和成本三个参数，测量知识共享效率和成本的思想，为在全局和局部范围内，创建有效的低成本信息交流网络，并进一步研究知识管理，提供了一种新方法。
林焜和彭灿在对供应链知识共享的影响因素分析的基础上，用加权小世界网络模型对供应链知识共享绩效进行量化分析，引入知识共享阻力、知识价值和知识共享成本三个参数进行量化计算，分别得出三个参数与知识共享绩效的函数关系[18]。
综上所述，小世界网络模型是知识共享研究的有力工具，通过对小世界网络的连接边权重、知识性质、节点差别化水平和节点间交流方式的调节与控制，以及对相关变量的量化计算，能够实现对知识共享难易程度、效率、效益及成本等参数的考察，从而得出不同影响因素与知识共享之间的关系。
5 结束语
本文概述了小世界网络理论及其在知识管理领域应用的研究，从知识扩散、知识转移和知识共享三个方面分别进行了文献综述，致力于对小世界网络理论在知识管理领域的研究进行梳理。研究表明，大量文献集中于对比不同网络结构下的知识扩散、转移或知识共享的结果，得出小世界网络结构相比较其他网络结构更有利于网络中知识扩散、知识转移及知识共享的研究结论，但是对如何使网络成员间的网络关系演化为小世界网络的问题却没有给予较多关注。此外，作为复杂网络的一种，小世界网络的网络成员关系差别化程度高，连接强度也不尽相同，因此，将网络成员间连接强度对网络中知识扩散、知识转移与知识共享的影响考虑其中是未来的一个研究方向。