理论教育 基于复杂网络与改进元胞自动机的知识扩散模型优化技术

基于复杂网络与改进元胞自动机的知识扩散模型优化技术

时间:2023-05-30 理论教育 版权反馈
【摘要】:根据上述对CA模型的分析,建立基于改进元胞自动机的CPIKN知识扩散模型如下:元胞空间C:考虑CPIKN的网络拓扑模型表示为G=,其中P={p1 ,p2,…本书将元胞距离定义为成员之间的知识距离,其代表成员之间的知识可获取程度。

基于复杂网络与改进元胞自动机的知识扩散模型优化技术

根据上述对CA模型的分析,建立基于改进元胞自动机的CPIKN知识扩散模型如下:

元胞空间C:考虑CPIKN的网络拓扑模型表示为G=(P, E),其中P={p1 ,p2,…,pn}为网络成员集合,n为网络成员个数;E为网络中边的集合。网络G的邻接矩阵表示为A,用来反映网络的拓扑结构。在此基础上,建立包含n个元胞的二维元胞空间C,空间中一个元胞C (i)代表CPIKN中的一个成员。

在元胞空间中,元胞距离可以表示地理距离,也可以代表成员间的正式工作关系距离或人际关系距离。正式工作关系距离与人际关系距离决定了成员之间的知识可获取程度[242],在这里将其统称为知识距离。本书将元胞距离定义为成员之间的知识距离,其代表成员之间的知识可获取程度。元胞距离越短,知识可获取程度越高。令dC (i)∙C(j)代表元胞距离,其可用C (i)与C (j)之间的最短路径长度表示。

元胞状态集Q:基于上文对成员知识状态的分类,为了便于描述网络成员的知识状态,用∊{0,1,2,3,4}表示元胞状Vi态空间,不同数值分别对应元胞C (i)在t时刻的知识状态:,知识易感者(S);知识接触者(E);,知识传播者(I);,知识遗忘者(R);,知识放弃者(Q)。

邻域V:基于对元胞空间的定义,以网络的邻接矩阵A来定义元胞之间的知识交流关系,A ={aij ∊{0,1}|i ,j=1,2,…,n}。若aij=1,则表示元胞C (i)与C (j)之间存在知识交流关系;若aij=0,表示元胞C (i)与C (j)之间不存在知识交流关系。令Vi表示与元胞C (i)的邻居集合,则有Vi={aij=1j=1,2,…,n}。

转换规则F:知识易感者与知识传播者之间知识交流的是否成功,即知识易感者能否转变成为知识接触者,取决于知识易感者的知识获取概率,它是由知识易感者的知识学习能力、邻域知识传播者的传播能力以及二者之间的元胞距离共同决定的。知识易感者的知识获取概率与自身的学习能力,以及邻域知识传播者的传播能力成正比;元胞距离代表成员间的知识距离,元胞距离越长,成员间的知识可获得性越低,因此知识获取概率与成员之间的距离成反比。

知识易感者的知识获取概率的确定要根据成员之间的知识交流策略来计算。从认识论的角度看,结合成员的在网络环境中影响知识交流的主客观因素,成员之间的知识交流策略可以分为3类:实用策略(倾向于选择知识距离最短的成员)、功利策略(倾向于选择知识传播能力最大的成员)以及融合策略(综合考虑成员的知识距离与知识传播能力)。

实用策略:实用策略是一种倾向与元胞距离最短的成员进行知识交流的交互策略。知识易感者与元胞距离最短min{dC (i)∙C (j )}的知识传播者进行知识交流,其知识获取概率PC (i)为:

功利策略:功利策略是一种倾向与知识传播能力最高的知识传播者进行知识交流的交互策略。知识易感者与知识传播能力最高max{gC (j)}的知识传播者进行交流,其知识获取概率为:

融合策略:融合策略是一种综合考虑元胞距离与成员知识传播能力的知识交互策略。知识易感者与的知识传播者进行知识交流,其知识获取概率为:

以上公式中,fC (i)与gC (j)分别表示知识易感者C (i)的学习能力与知识传播者C (j)的传播能力,它们均服从(0, 1)正态分布,以刻画不同成员的异质性,使每个成员具有不同的学习能力与传播能力。(www.daowen.com)

另外,知识接触者在转变成为知识遗忘者之后,仍会寻求与知识传播者的知识交流,从而有机会再次成为知识接触者。同时,由于知识遗忘者此前曾与知识传播者进行交流,并一度成为知识接触者,其对特定知识已并具有一定的知识基础,因此知识遗忘者的知识学习能力应高于此前作为知识易感者时的状态。设知识遗忘者C (i)的学习能力为,其中d表示C (i)此前转变成为知识接触者的次数,该式表明随着知识遗忘者成为知识接触者次数的增加,其学习能力也随之提高。知识遗忘者转变成为知识接触者的规则与知识易感者相同,在此不再赘述。

需要特别指出的是,知识传播者在进行多次知识传播之后,其知识传播能力可能会有所提高,即所谓的“教学相长”。然而,这样的增长过程往往是缓慢的,因此我们假设知识传播者的传播能力在整个知识扩散过程中保持不变。

网络成员成为知识接触者之后,基于自身的知识沉淀吸收、知识遗忘或知识价值与学习成本判断,下一时刻其可能转变成为知识传播者、知识遗忘者与知识放弃者,其转变可能性分别取决于知识吸收率IC (i)、遗忘率RC (i)与放弃率QC (i ),它们均服从(0, 1)正态分布,且满足IC (i)+RC (i)+QC (i )=1。同时,我们还应注意到,当一个知识主体多次转变成为知识接触者后,由于知识多次学习强化的效应,其知识遗忘率与放弃率应随着转变次数的增加而降低,知识吸收概率反之。在此种情况下,设知识遗忘率为R′C (i)=RC (i )d +1,知识放弃率为Q′C (i)=QC (i)d+1,知识吸收率为I′C (i)=1-R′C (i)d+1,-Q′C (i)d+1﹥I C (i)此处d的定义与上文相同。

基于上述分析,将网络成员的状态转化规则总结如下:

(1)当时,计算其知识获取概率PC (i),判断其是否以此概率转变成为知识接触者,即;否则,状态保持不变,

(2)当时,令其知识遗忘率、放弃率与吸收率分别为RC (i)、与IC (i),均服从(0, 1)正态分布,且有IC (i)+RC (i)+QC (i )=1,判断其是否以上述概率转变成为:知识传播者,知识遗忘者,知识放弃者。另外,当一个成员多次转变成为知识接触者后,其知识吸收率、遗忘率与放弃率将变为R′C (i)=RC (i )d+1,Q′C (i)=QC (i )d+1,I′C (i)=1-R′C (i)d +1-Q′C (i )d +1

(3)当时,其状态将保持不变。

(4)当时,计算其知识获取概率PC (i),并以此概率转变成为知识接触者,即;否则,状态保持不变,

(5)当时,其状态将保持不变。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈