基于知識視角的協(xié)同創(chuàng)新客戶選擇

張雪峰，楊 育，于國棟

（重慶大學(xué) 機(jī)械傳動國家重點(diǎn)實(shí)驗(yàn)室，重慶 400030）

0 引言

客戶協(xié)同對提升企業(yè)創(chuàng)新產(chǎn)品的市場滿意度、縮短產(chǎn)品創(chuàng)新周期等具有積極的促進(jìn)作用［1］，逐漸成為一種新型并具有發(fā)展?jié)摿εc應(yīng)用情景的產(chǎn)品創(chuàng)新方式。在產(chǎn)品創(chuàng)新過程中，客戶的主要作用是提供其所擁有的關(guān)于產(chǎn)品需求信息、產(chǎn)品使用知識和經(jīng)驗(yàn)以及創(chuàng)新知識等［2］。本文將協(xié)同創(chuàng)新客戶掌握的與產(chǎn)品創(chuàng)新相關(guān)的信息、知識、經(jīng)驗(yàn)等統(tǒng)稱為客戶知識。因?yàn)椴煌蛻舻闹R結(jié)構(gòu)、知識存量和知識類型具有差異性，所以不同客戶能夠參與的產(chǎn)品創(chuàng)新任務(wù)數(shù)量、種類和程度也將不同。分析產(chǎn)品創(chuàng)新任務(wù)與客戶知識之間的匹配關(guān)系，度量客戶對任務(wù)所需知識的掌握程度，進(jìn)而為任務(wù)選擇合適的客戶，對任務(wù)的有效完成以及實(shí)現(xiàn)客戶與客戶知識效用的最大化具有重要意義。

目前，國內(nèi)外學(xué)者對產(chǎn)品創(chuàng)新中的協(xié)同客戶進(jìn)行了卓有成效的研究，包括客戶價值［3-4］、客戶特性［5-6］、客戶協(xié)同創(chuàng)新的動機(jī)［7-8］、客戶重要度評價及選擇［9-10］等。其中，客戶選擇的研究主要包括分析影響客戶選擇的因素、提出選擇的評價指標(biāo)及評價方法兩方面。Campbell等認(rèn)為客戶選擇受客戶對產(chǎn)品市場貢獻(xiàn)度的影響，客戶購買企業(yè)產(chǎn)品的數(shù)量越多，客戶相對越重要［11］；Sandmeier根據(jù)產(chǎn)品創(chuàng)新前期階段的要求，從客戶的需求信息、價值等方面提出判斷客戶協(xié)同的因素［12］；Jeroen等認(rèn)為客戶的創(chuàng)新能力、創(chuàng)新意識以及產(chǎn)品使用經(jīng)驗(yàn)和知識是選擇協(xié)同客戶的重要因素［13］；Gruner Kjell等通過實(shí)證研究，從企業(yè)管理者的角度提出對適合協(xié)同產(chǎn)品創(chuàng)新的客戶的具體要求，如客戶知識、客戶能力、協(xié)同態(tài)度等［14］；Emden Zeynep等基于客戶創(chuàng)造價值最大的目標(biāo)，提出客戶選擇的目標(biāo)函數(shù)并進(jìn)行求解［15］；王偉立等提出協(xié)同伙伴選擇的評價指標(biāo)，包括客戶教育背景、溝通程度、參與積極性等，并建立了基于粗糙集和支持向量機(jī)的協(xié)同伙伴選擇模型［10］；楊潔等采用粗糙集理論和小波神經(jīng)網(wǎng)絡(luò)方法，從創(chuàng)新客戶知識、創(chuàng)新技術(shù)能力、學(xué)習(xí)效應(yīng)、創(chuàng)新客戶需求四個方面對客戶進(jìn)行了綜合評價，以確定不同創(chuàng)新客戶的重要性，并作為客戶選擇的依據(jù)［9］。

現(xiàn)有的協(xié)同創(chuàng)新客戶選擇研究大都面向整個產(chǎn)品創(chuàng)新工作提出選擇標(biāo)準(zhǔn)，然后采用一定的算法進(jìn)行評估，從而得到協(xié)同創(chuàng)新客戶集。然而，整個產(chǎn)品創(chuàng)新工作包括一系列具有不同特點(diǎn)和要求的任務(wù)，如何為各項(xiàng)任務(wù)從初始協(xié)同創(chuàng)新客戶集中進(jìn)一步選擇合適的客戶，尚未形成實(shí)質(zhì)性的研究成果。針對該問題，本文在考慮客戶知識對產(chǎn)品創(chuàng)新的作用和重要性的基礎(chǔ)上，基于知識的視角提出面向產(chǎn)品創(chuàng)新任務(wù)的協(xié)同創(chuàng)新客戶選擇模型和方法，以便為各項(xiàng)產(chǎn)品創(chuàng)新任務(wù)指派合適的客戶以及推送所需的知識，從而促進(jìn)產(chǎn)品創(chuàng)新任務(wù)的有效完成，以及客戶與其知識作用的充分發(fā)揮。

1 基于知識視角的協(xié)同創(chuàng)新客戶選擇模型

產(chǎn)品創(chuàng)新任務(wù)、客戶及客戶知識三者之間相互聯(lián)系、相互作用，不同的任務(wù)需要不同的知識，不同的客戶掌握不同的知識且掌握程度不同?？梢哉f，客戶知識是聯(lián)系產(chǎn)品創(chuàng)新任務(wù)和客戶的中介。針對客戶知識具有非規(guī)范性、多樣性和異構(gòu)性的特點(diǎn)，本文采用本體論方法對客戶知識進(jìn)行統(tǒng)一建模。相對于常用的可擴(kuò)展標(biāo)記語言（eXtensible Markup Language，XML）或產(chǎn)品數(shù)據(jù)管理（Product Data Management，PDM）等方法，本體論能夠?qū)蛻糁R的語法和語義兩個層面進(jìn)行描述，對復(fù)雜、多樣、異構(gòu)的客戶知識進(jìn)行統(tǒng)一組織和表達(dá)，提高客戶知識的利用效率，實(shí)現(xiàn)客戶知識的共享和集成，從而易于被理解和操作。

對于產(chǎn)品創(chuàng)新任務(wù)，為有效實(shí)現(xiàn)任務(wù)和客戶知識的匹配，同樣采用本體論對任務(wù)進(jìn)行統(tǒng)一組織和描述，描述產(chǎn)品創(chuàng)新任務(wù)的不同特性和屬性，實(shí)現(xiàn)對任務(wù)各方面的細(xì)致刻畫。

基于上述分析，從知識視角提出協(xié)同創(chuàng)新客戶選擇模型，如圖1所示。

圖1中的模型包括四個層次。其中：①協(xié)同創(chuàng)新客戶層包括多種類型的客戶，如領(lǐng)先客戶、測試客戶、需求客戶等［16］，每個客戶具有與產(chǎn)品創(chuàng)新相關(guān)的不同的知識內(nèi)容、結(jié)構(gòu)和存量。②客戶知識集成與本體表達(dá)層通過挖掘、分析、分類和組織客戶知識，采用本體論進(jìn)行建模，形成客戶知識庫，用于支持產(chǎn)品創(chuàng)新任務(wù)的開展。③產(chǎn)品創(chuàng)新任務(wù)則由整個產(chǎn)品創(chuàng)新工作分解得到，并利用本體論對任務(wù)各方面進(jìn)行細(xì)致地刻畫。④協(xié)同創(chuàng)新客戶選擇層根據(jù)每項(xiàng)產(chǎn)品創(chuàng)新任務(wù)的特點(diǎn)及要求，采用概念語義相似度算法對任務(wù)知識約束和客戶知識本體中的概念進(jìn)行匹配，發(fā)現(xiàn)適合的知識后，根據(jù)客戶對這些知識的掌握程度為任務(wù)選擇合適的客戶。

通過上述分析，得到由產(chǎn)品創(chuàng)新任務(wù)、匹配到該任務(wù)的客戶及客戶知識構(gòu)成的組合，本文稱為客戶協(xié)同產(chǎn)品創(chuàng)新工作單元，將其作為面向產(chǎn)品創(chuàng)新任務(wù)的協(xié)同創(chuàng)新客戶選擇過程的輸出，表示為

式中：WU 為客戶協(xié)同產(chǎn)品創(chuàng)新工作單元；TS 為產(chǎn)品創(chuàng)新任務(wù)；CS 為協(xié)同創(chuàng)新客戶；CK 為客戶知識。

任何一個客戶協(xié)同產(chǎn)品創(chuàng)新工作單元，都可以通過圖2進(jìn)行形象表示。

圖2中：（TSi，CSj，CKk）為一個客戶協(xié)同產(chǎn)品創(chuàng)新工作單元，表示由第j個客戶利用第k 類知識參與第i項(xiàng)產(chǎn)品創(chuàng)新任務(wù)。通過該單元，企業(yè)能夠清楚地了解各項(xiàng)產(chǎn)品創(chuàng)新任務(wù)需要哪些客戶及其知識，也讓客戶明確所協(xié)同的產(chǎn)品創(chuàng)新任務(wù)，從而實(shí)現(xiàn)企業(yè)和客戶分工明確、企業(yè)審查便捷、客戶協(xié)同產(chǎn)品創(chuàng)新工作有效開展的目標(biāo)，同時也為后續(xù)的產(chǎn)品創(chuàng)新任務(wù)綜合和客戶激勵提供決策依據(jù)。

2 產(chǎn)品創(chuàng)新任務(wù)與客戶知識匹配分析

2.1 基于本體的客戶知識描述

為了集成不同的客戶知識，采用本體樹對客戶知識進(jìn)行表示，并根據(jù)本體中概念之間的關(guān)聯(lián)性對客戶知識進(jìn)行集成。

（1）客戶知識的本體樹模型

客戶知識本體樹模型是對知識的概念及其關(guān)系的一種描述?？蛻糁R主要由知識ID、知識領(lǐng)域、知識描述、知識類型、知識存儲信息等組成，可以表示為CK=（CKI，CKC，CKS，CKB，CKA）。其中：CKI表示客戶知識的ID，是對客戶知識的唯一標(biāo)識；CKC 表示客戶知識領(lǐng)域概念，包括客戶基本知識、客戶需求知識、客戶創(chuàng)意知識等；CKS表示對客戶知識的描述，可以是客戶的經(jīng)驗(yàn)描述、對知識原理的描述，也可以是解決產(chǎn)品創(chuàng)新任務(wù)中出現(xiàn)的約束問題；CKA 表示對客戶知識擁有者的描述。

根據(jù)上述分析，采用自頂向下的方法建立客戶知識本體樹模型，如圖3所示。

（2）客戶知識本體描述及集成

在建立客戶知識本體樹模型的基礎(chǔ)上，針對客戶知識的分散性和多樣性，根據(jù)客戶知識概念之間的關(guān)系對客戶知識進(jìn)行集成?？蛻糁R概念之間的關(guān)系反映的是兩個概念在本體樹模型中的上下位關(guān)系，兩個概念之間的關(guān)系可以表示為一個三元組Relation=（Type，Des，Weight）。其中：Type為概念之間的關(guān)系類型，包括概念和概念之間的聚集關(guān)系（part-of）、繼承關(guān)系（kind-of）、同類關(guān)系（same-as）、實(shí)例關(guān)系（instance-of）和屬性關(guān)系（attribute-of）五種；Des是對概念之間關(guān)系的非形式化描述，通常為自然語言；Weight為概念之間的關(guān)系強(qiáng)度，取值范圍為［0，1］，值越大表示關(guān)系越密切。通過計(jì)算兩個概念之間的相似度并結(jié)合關(guān)系的類型，對兩個概念的本體知識進(jìn)行整合和集成。知識具體的集成過程可以參考文獻(xiàn)［17-18］，在此不再贅述。

2.2 基于本體的產(chǎn)品創(chuàng)新任務(wù)描述

產(chǎn)品創(chuàng)新任務(wù)本體模型用于描述任務(wù)構(gòu)成部分的概念和關(guān)系。產(chǎn)品創(chuàng)新任務(wù)由任務(wù)名稱、任務(wù)目標(biāo)、任務(wù)對象和內(nèi)容、任務(wù)約束條件、任務(wù)時間構(gòu)成，可以形式化表示為TU=（TUI，TUG，TUO，TUC，TUT），其中：TUI表示任務(wù)的ID，是對任務(wù)的唯一標(biāo)識；TUG 表示任務(wù)的目標(biāo)，即完成該項(xiàng)任務(wù)能夠取得的預(yù)期效果；TUO 表示任務(wù)內(nèi)容的描述，以加深客戶對任務(wù)的理解；TUC 表示任務(wù)的約束條件，是完成該項(xiàng)任務(wù)需要的資源，包括知識資源、制造條件約束等，本文重點(diǎn)分析約束條件中的知識約束，并將任務(wù)的知識需求根據(jù)客戶知識本體建模的相關(guān)規(guī)則進(jìn)行描述；TUT 表示任務(wù)的計(jì)劃開始時間和結(jié)束時間，即在眾多任務(wù)中，該項(xiàng)任務(wù)計(jì)劃在什么時刻開始和結(jié)束，可以實(shí)現(xiàn)對任務(wù)在時間序列上的識別。

根據(jù)上述分析，某項(xiàng)產(chǎn)品結(jié)構(gòu)創(chuàng)新任務(wù)的本體樹表示如圖4所示。

2.3 基于概念語義相似度的任務(wù)與知識匹配

根據(jù)產(chǎn)品創(chuàng)新任務(wù)的目標(biāo)、內(nèi)容和約束條件，為任務(wù)的開展提供相匹配的客戶知識，該過程可視為一個不斷消解任務(wù)約束的過程，可以表示為

式中：TUG 為產(chǎn)品創(chuàng)新任務(wù)的目標(biāo)；Θ 為產(chǎn)品創(chuàng)新任務(wù)解約束過程；TUO 為產(chǎn)品設(shè)計(jì)任務(wù)內(nèi)容的描述；TUC 為產(chǎn)品創(chuàng)新任務(wù)的約束條件；CK 為客戶知識。需要說明的是，本文的產(chǎn)品創(chuàng)新任務(wù)約束條件主要是知識約束，即產(chǎn)品創(chuàng)新任務(wù)的完成需要哪些知識的支撐，其他如設(shè)備、材料、成本等方面的約束不予考慮。

為產(chǎn)品創(chuàng)新任務(wù)匹配合適的客戶知識是以兩者的信息相似度匹配為基礎(chǔ)的。因?yàn)閮烧叨加帽倔w概念進(jìn)行描述，所以本文采用概念語義相似度算法分析產(chǎn)品創(chuàng)新任務(wù)的知識需求與客戶知識的匹配程度。

產(chǎn)品創(chuàng)新任務(wù)知識需求和客戶知識由多個本體概念構(gòu)成，因此將產(chǎn)品創(chuàng)新任務(wù)約束條件中的知識約束的本體概念集合以一維向量表示，記為TUC=｛c1，c2，…，ci，…，cm｝T，其中：ci為產(chǎn)品創(chuàng)新任務(wù)知識需求中的第i個本體概念，m 為本體概念的數(shù)目。將客戶知識描述的本體概念也表示為一維向量的形式，記為CK=｛k1，k2，…，kj，…，kn｝T，其中：kj為客戶知識描述中的第j 個本體概念，n 為概念的數(shù)目。根據(jù)文獻(xiàn)［19］對概念語義相似度的定義，構(gòu)造相似度矩陣Mck，

式中sim（cikj）表示概念ci與概念kj的語義相似度。

取相關(guān)矩陣Mck每行中的語義相似度的最大值，求平均值后得到TUC 中的知識本體概念與CK中的知識本體概念向量的最大語義相似度，表示為

當(dāng)sim（TUC，CK）≥ε時，認(rèn)為客戶知識能夠滿足任務(wù)的知識需求。其中ε為相似度閾值，0＜ε≤1，該閾值根據(jù)產(chǎn)品創(chuàng)新的實(shí)際情況動態(tài)調(diào)整。

對于兩個本體概念的相似度求解，基于信息論和基于語義距離是目前的兩種主要計(jì)算方法。基于信息論是通過分析兩個概念共享信息的量來確定概念之間的語義相似度；基于語義距離是通過量化兩個概念的距離來確定概念之間的語義相似度。由于兩個概念的邊包含的信息存在差異，如果按照常規(guī)將本體樹模型的有向邊視為同等重要，則會影響相似度的計(jì)算結(jié)果。本文用連接兩個概念之間的信息量表示連接兩個概念連接邊的長度。

根據(jù)兩個概念語義距離的定義，即連接兩個概念的最短路徑長度，得到概念ci和cj的語義距離D，D（lt）為最短路徑上的第t條邊。文獻(xiàn)［20］指出，兩個概念的語義相似度是語義距離的單調(diào)減函數(shù)，且相似度取值范圍為0～1，由此給出基于語義距離的概念相似度計(jì)算公式

式中D（ci，cj）表示概念ci和cj的語義距離。

概念的語義距離等于連接兩個概念的最短路徑邊的數(shù)量，一般假設(shè)所有概念節(jié)點(diǎn)之間的有向邊的距離同等重要，設(shè)為1。本文用概念之間的信息量表示概念之間有向邊距離的差異性。因此，概念ci和cj的相似度可以表示為

概念ci和cj有多條連接路徑，每條路徑上都有兩個概念共同的祖先［21］，令A(yù)nc（ci，cj）表示兩個概念最短路徑上的共同祖先節(jié)點(diǎn)，path（ci，cj）表示處于兩個概念最短連接路徑上的所有節(jié)點(diǎn)，w（c，c′）為概念節(jié)點(diǎn)c與其直接子節(jié)點(diǎn)c′之間的有向邊距離。

令I(lǐng)C（c）表示概念c的信息量，可以通過該概念出現(xiàn)的概率表示為

在概念本體樹中，如果一個概念還包括一系列子概念，則該概念出現(xiàn)的次數(shù)應(yīng)該包括其所有子概念出現(xiàn)的次數(shù)。概念c出現(xiàn)的概率可以表示為

式中：N 表示概念本體樹中所有概念的數(shù)目，n（c）表示概念c出現(xiàn)的次數(shù)，∑n（c′）表示c的子概念c′出現(xiàn)的次數(shù)。

概念c與其子概念c′之間的信息量可以表示為

將兩個概念之間的信息量對應(yīng)到連接兩個概念的有向邊距離，即有

式中：D（c′→c）表示兩個概念之間的有向邊距離；α為轉(zhuǎn)化系數(shù)，α＞0。

因此，概念ci和cj之間的連接邊距離為

式中：s表示概念ci與Anc（ci，cj）之間的連接邊數(shù)量；p 表示cj與Anc（ci，cj）之間的連接邊數(shù)量。

將概念之間的語義距離代入式（3），可以得到產(chǎn)品創(chuàng)新任務(wù)的知識約束與客戶知識的相似度大小。

3 協(xié)同創(chuàng)新客戶選擇

根據(jù)產(chǎn)品創(chuàng)新任務(wù)的知識需求和客戶知識匹配，可以明確完成每項(xiàng)任務(wù)所需要的客戶知識。為給產(chǎn)品創(chuàng)新任務(wù)選擇合適的客戶，需要對客戶及任務(wù)所需的客戶知識之間的關(guān)系進(jìn)行分析，并根據(jù)客戶對任務(wù)所需知識的掌握程度，確定客戶被匹配給任務(wù)的優(yōu)先級。其中，知識的掌握程度通過客戶對這些知識的存量來度量，客戶知識存量反映了客戶掌握知識的總和，存量越大，掌握程度越好。

目前，關(guān)于個體知識存量的度量方法主要包括通過測試和考試直接評估、知識樹［22］、有向圖［23］、灰關(guān)聯(lián)度法［24］以及永續(xù)盤存法［25］等。其中：①測試和考試直接評估方法相對簡單、易于操作，但是忽略了個體知識的構(gòu)成，評估結(jié)果主觀性較大，準(zhǔn)確性較低；②知識樹和有向圖法一般用于分析具有唯一根節(jié)點(diǎn)的知識體系結(jié)構(gòu)，然而客戶知識更多地呈現(xiàn)為多根節(jié)點(diǎn)，此外該方法一般用于衡量知識的價值，難以直接用于個體知識的表示及掌握程度的度量；③灰關(guān)聯(lián)度方法首先提出企業(yè)知識存量的評價指標(biāo)體系，然后采用該方法對企業(yè)知識存量的相對高低進(jìn)行評價，該方法并未給出知識存量具體數(shù)值的計(jì)算模型和方法［24］；④針對R&D 知識資本存量的度量，永續(xù)盤存法通過借用實(shí)物投入資本和產(chǎn)出來分析知識資本大小［25］，然而將R&D 知識資本映射為實(shí)物資本的過程比較復(fù)雜，通過該方法計(jì)算得到的知識資本存量實(shí)際上是知識資本的價值。

本文在綜合分析現(xiàn)有方法的基礎(chǔ)上，根據(jù)客戶知識本體樹模型的特點(diǎn)，參考文獻(xiàn)［26］的知識細(xì)分思想，將本體樹中的每項(xiàng)知識領(lǐng)域視為一個節(jié)點(diǎn)，不同層級節(jié)點(diǎn)包含的知識范圍和內(nèi)容不同，節(jié)點(diǎn)之間的關(guān)系反映了知識之間的隸屬關(guān)系。將知識點(diǎn)之間的語義距離作為下級知識點(diǎn)相對于上級知識點(diǎn)的重要性，用以反映個體知識結(jié)構(gòu)的差異，同時降低專家分析下級知識點(diǎn)相對于上級知識點(diǎn)重要性的難度。此外，由于客戶知識的本體樹模型結(jié)構(gòu)具有相似性，采用上述方法不但能夠計(jì)算個體客戶的知識存量，而且便于不同客戶之間對同類知識存量的比較。客戶對任務(wù)所需知識的掌握程度量化測度過程具體如下：

假設(shè)對某項(xiàng)產(chǎn)品創(chuàng)新任務(wù)TU，令CK=（ck1，ck2，…，cki，…，ckn）表示該項(xiàng)任務(wù)所需的客戶知識集合，其中cki表示第i 個知識點(diǎn)；令C=｛C1，C2，…，Cr，…，Cl｝表示擁有這些知識的客戶集合，其中Cr表示第r 個客戶?？蛻鬋r對知識點(diǎn)cki的掌握程度用客戶知識點(diǎn)cki的存量表示。

當(dāng)知識點(diǎn)cki處于知識本體樹中的最低層級，即cki不包含其他知識點(diǎn)時，本文將這種類型的知識點(diǎn)cki稱為一個知識單元。知識單元的含義為一個很小的領(lǐng)域內(nèi)的一部分知識，在不加定義的情況下可被他人認(rèn)知和理解，同時與其他知識單元具有差異性，易于區(qū)分。客戶個體對知識單元的掌握程度可以采用知識測評方法獲得，對于可以用規(guī)則、文字或者符號進(jìn)行描述的顯性知識，通過直接測試等方式獲得；對于無法直接描述的隱性知識，只能采用間接的測試方法，例如通過評估客戶完成某項(xiàng)工作的過程和結(jié)果等來度量客戶對知識的掌握程度，并采用語言變量｛很好，好，一般，差，很差｝描述。為了能夠?qū)⑸鲜龆ㄐ悦枋隽炕?，運(yùn)用語言變量與模糊數(shù)學(xué)相結(jié)合的方法對上述定性描述進(jìn)行模糊量化處理，語言變量與模糊量化值之間的關(guān)系如表1所示。

表1 語言變量與模糊量化值的關(guān)系

由此可以得到客戶Cr對知識點(diǎn)cki的掌握程度φCr（cki），即知識存量

式中：Y 表示參與評估的專家數(shù)量，Y≥1；ωy表示第y 個專家的相對重要性，y=1，2，…，Y；gy ri表示第y個專家對客戶Cr關(guān)于知識點(diǎn)cki掌握程度的評估值。

當(dāng)知識點(diǎn)cki不處于知識本體樹中的最低層級時，該知識點(diǎn)必然有與其直接相連的知識點(diǎn)，令ckj為cki的子知識點(diǎn)，則cki與ckj之間的隸屬關(guān)系表示為

式中α（cki，ckj）=1表示知識點(diǎn)cki與知識點(diǎn)ckj之間存在直接隸屬關(guān)系。

每項(xiàng)知識包括一個甚至多個子知識點(diǎn)，不同的子知識點(diǎn)對上級知識的重要性不同。在知識本體樹模型中，本文用兩個知識概念之間的語義距離表示兩者之間的關(guān)系，子知識點(diǎn)與上級知識點(diǎn)的語義距離越小，兩者越接近，該子知識點(diǎn)就相對越重要。根據(jù)式（9），客戶Cr對知識點(diǎn)cki存量的評估值φ″Cr（cki）可以表示為

式中：m 表示直接隸屬于知識cki的知識點(diǎn)數(shù)量；（IC（cki）+IC（ckj）-2IC（Anc（cki，ckj）））表示知識點(diǎn)cki與ckj的語義距離。因?yàn)楦钢R點(diǎn)與子知識點(diǎn)之間無共同的祖先節(jié)點(diǎn)，所以Anc（cki，ckj）=?，IC（Anc（cki，ckj））=0。

同理，知識點(diǎn)ckj的存量可以根據(jù)該知識點(diǎn)的直接下級知識點(diǎn)存量和下級知識點(diǎn)的重要程度確定。以此類推，只要確定了客戶對知識單元的掌握程度及下級知識點(diǎn)對直接上級知識點(diǎn)的重要程度，即可推理得到客戶的任意知識點(diǎn)存量。

然后分析客戶對任務(wù)所需知識的存量總和，表示為

同理得到每個客戶對任務(wù)所需知識的知識存量，然后進(jìn)行歸一化處理，從知識的視角比較各個客戶對任務(wù)的相對重要性?？蛻鬋r對任務(wù)的相對重要性為：

據(jù)此可以從知識的視角判斷協(xié)同創(chuàng)新客戶對產(chǎn)品創(chuàng)新任務(wù)的相對重要性，為產(chǎn)品創(chuàng)新任務(wù)選擇合適的客戶提供決策依據(jù)。需要說明的是，企業(yè)可以將度量客戶對產(chǎn)品創(chuàng)新任務(wù)所需知識的掌握程度作為選擇客戶的重要依據(jù)，但不能作為唯一的判斷決策條件。實(shí)際上，企業(yè)仍需綜合考慮協(xié)同創(chuàng)新客戶的協(xié)同態(tài)度、協(xié)同工作能力、學(xué)習(xí)能力等。

4 應(yīng)用實(shí)例

以某設(shè)計(jì)制造企業(yè)（Original Design Manufacturer，ODM）的某款手機(jī)開發(fā)為例，驗(yàn)證上述方法的有效性和可行性。該手機(jī)主要面向國內(nèi)中低端客戶，為了使所開發(fā)手機(jī)能夠更好地滿足客戶的要求、提高銷售量，該企業(yè)計(jì)劃從其客戶關(guān)系管理信息系統(tǒng)中選擇多個客戶參與手機(jī)的概念設(shè)計(jì)，包括外觀設(shè)計(jì)、功能設(shè)計(jì)、界面設(shè)計(jì)等。以手機(jī)界面的創(chuàng)新設(shè)計(jì)為例，手機(jī)界面創(chuàng)新設(shè)計(jì)主要包括圖形要素設(shè)計(jì)、文字要素設(shè)計(jì)、色彩要素設(shè)計(jì)和手機(jī)界面排列版式設(shè)計(jì)四個主要設(shè)計(jì)任務(wù)。根據(jù)設(shè)計(jì)任務(wù)的特點(diǎn)和要求，對設(shè)計(jì)任務(wù)進(jìn)行分解，如圖5所示。

針對分解得到的子任務(wù)層和任務(wù)單元層，采用本體進(jìn)行任務(wù)描述。以圖標(biāo)圖形設(shè)計(jì)任務(wù)為例，通過Web本體描述語言（Web Ontology Language，OWL）對本體任務(wù)進(jìn)行描述，如圖6所示，主要包括設(shè)計(jì)任務(wù)目標(biāo)、任務(wù)描述、任務(wù)知識約束、任務(wù)時間等。

根據(jù)手機(jī)圖標(biāo)圖形設(shè)計(jì)任務(wù)的目標(biāo)和知識約束，企業(yè)經(jīng)過初步篩選，共選擇了15位具有與該任務(wù)相關(guān)的知識和設(shè)計(jì)經(jīng)驗(yàn)的客戶進(jìn)行協(xié)同創(chuàng)新。企業(yè)人員、知識領(lǐng)域?qū)＜姨崛】蛻舻闹R并進(jìn)行描述，形成客戶知識表，如表2所示。

表2 客戶知識表

為了實(shí)現(xiàn)對客戶知識的有效搜索，設(shè)計(jì)了客戶知識集成系統(tǒng)，該系統(tǒng)基于Intel，windows軟硬件系統(tǒng)，以MySQL為數(shù)據(jù)庫，以Protégé為本體開發(fā)工具，對創(chuàng)新客戶知識進(jìn)行描述和整合，如圖7所示。

借助客戶知識集成系統(tǒng)，從客戶知識庫中搜索和匹配圖標(biāo)圖形設(shè)計(jì)任務(wù)所需的客戶知識，然后根據(jù)客戶知識本體樹模型分析客戶對任務(wù)所需知識的掌握程度。其中一個客戶的與手機(jī)界面設(shè)計(jì)相關(guān)的知識樹如圖8 所示。其中，結(jié)構(gòu)設(shè)計(jì)知識、產(chǎn)品使用信息、交互設(shè)計(jì)、視覺設(shè)計(jì)和需求知識是圖標(biāo)圖形創(chuàng)新設(shè)計(jì)任務(wù)所需的知識。根據(jù)任務(wù)的知識需求，專家和企業(yè)人員初步判斷共有8位客戶具有這些知識，記為｛C1，C2，C3，C4，C5，C6，C7，C8｝。

對于需求知識，專家采用評價、測試等方式可以判斷客戶對本體樹中最底層知識的掌握程度，并根據(jù)表1中評價語言與模糊量化值之間的關(guān)系將定性評價量化，然后根據(jù)上下級知識之間的關(guān)系確定子知識點(diǎn)對父知識點(diǎn)的相對重要性，評估結(jié)果如圖9所示。

圖9中的節(jié)點(diǎn)表示知識點(diǎn)，節(jié)點(diǎn)中的數(shù)值表示客戶對該知識點(diǎn)的存量；邊表示知識點(diǎn)之間的關(guān)系，邊中的數(shù)值表示子知識點(diǎn)相對于父知識點(diǎn)的重要性。采用加權(quán)求和求解可以得到該客戶需求知識的存量。同理，采用同樣的方法，計(jì)算得到該客戶其他任務(wù)所需知識的存量。根據(jù)任務(wù)對結(jié)構(gòu)設(shè)計(jì)知識、產(chǎn)品使用信息、交互設(shè)計(jì)、視覺設(shè)計(jì)和需求知識的需求程度，以及各個客戶對上述知識的存量，計(jì)算得到各個客戶對任務(wù)的相對重要性，如表3所示。

表3 客戶對任務(wù)所需知識的存量及客戶相對重要性

由表3中的結(jié)果可知，手機(jī)圖標(biāo)圖形創(chuàng)新設(shè)計(jì)任務(wù)有8位客戶可供選擇，且相對重要性排序?yàn)镃6＞C1＞C7＞C4＞C8＞C2＞C5＞C5。企業(yè)據(jù)此綜合各個客戶在協(xié)同工作能力、協(xié)同態(tài)度、學(xué)習(xí)能力等方面的表現(xiàn)，最終確定參與該項(xiàng)任務(wù)的協(xié)同創(chuàng)新客戶。

5 結(jié)束語

為了充分發(fā)揮客戶及其知識的作用，同時滿足不同產(chǎn)品創(chuàng)新任務(wù)的特點(diǎn)和要求，本文綜合分析了產(chǎn)品創(chuàng)新任務(wù)、客戶及客戶知識三者之間的關(guān)系，建立了知識視角下面向產(chǎn)品創(chuàng)新任務(wù)的協(xié)同創(chuàng)新客戶選擇模型，為更合理地選擇協(xié)同創(chuàng)新客戶提供新的思路；綜合信息論和語義距離方法，利用兩個概念之間的信息量表示兩個概念連接邊的長度，以體現(xiàn)兩個概念連接邊所包含信息的差異，以此為基礎(chǔ)度量兩個概念的語義相似度，為產(chǎn)品創(chuàng)新任務(wù)匹配所需的客戶知識；提出度量客戶對產(chǎn)品創(chuàng)新任務(wù)所需知識掌握程度的量化方法，從知識層面評估客戶對產(chǎn)品創(chuàng)新任務(wù)的重要性，為各項(xiàng)任務(wù)選擇合適的客戶提供了決策依據(jù)。

上述研究從企業(yè)產(chǎn)品創(chuàng)新任務(wù)的角度為任務(wù)選擇合適的客戶，在選擇過程中仍需考慮客戶自身的需要。因此，未來將進(jìn)一步研究任務(wù)與客戶需要、任務(wù)與客戶雙向合理匹配的問題。同時，為提升協(xié)同創(chuàng)新客戶選擇的效率，將進(jìn)一步開發(fā)任務(wù)、客戶及知識匹配系統(tǒng)。

［1］MAHR D，LIEVENS A，BLAZEVIC V.The value of customer cocreated knowledge during the innovation process［J］.Journal of Product Innovation Management，2014，31（3）：599-615.

［2］GRAF A，MAAS P.Customer value from a customer perspective—a comprehensive review［M］／／Service Value als Werttreiber.Berlin，Germany：Springer-Verlag，2014：59-87.

［3］VON HIPPEL E.Open user innovation［C］／／HALL B H，ROSENBERG N.Hardbosk of the Economics of Innovation.Amsterdam，the Netherlands：Elsvier，2010，1：411-427.

［4］BENGTSSON L，RYZHKOVA N.Managing a strategic source of innovation：online users［J］.International Journal of Information Management，2013，33（4）：655-662.

［5］BOHLMANN J D，SPANJOL J，QUALLS W J，et al.The interplay of customer and product innovation dynamics：an exploratory study［J］.Journal of Product Innovation Management，2013，30（2）：228-244.

［6］NIETO M J，SANTAMAR A L.The importance of diverse collaborative networks for the novelty of product innovation［J］.Technovation，2007，27（6）：367-377.

［7］BARTL M，F(xiàn)ULLER J，MUHLBACHER H，et al.A managers perspective on virtual customer integration for new product development［J］.Journal of Product Innovation Management，2012，29（6）：1031-1046.

［8］BüYüK?ZKAN G，ARSENYAN J.Collaborative product development：a literature overview［J］.Production Planning &Control，2012，23（1）：47-66.

［9］YANG Jie，YANG Yu，ZHAO Xiaohua，et al.Evaluation of collaborative innovative cust omer based on PWNN model and its application［J］.Computer Integrated Manufacturing Systems，2008，14（5）：882-890（in Chinese）.［楊 潔，楊 育，趙小華，等.基于預(yù)處理小波神經(jīng)網(wǎng)絡(luò)模型的協(xié)同創(chuàng)新客戶評價與應(yīng)用研究［J］.計(jì)算機(jī)集成制造系統(tǒng)，2008，14（5）：882-890.］

［10］WANG Weili，YANG Yu，WANG Mingkai，et al.RS and SVM-based partner selection research for customer collaborative innovation［J］.Computer Engineering and Applications，2007，43（29）：245-248（in Chinese）.［王偉立，楊 育，王明愷，等.基于RS和SVM 的客戶協(xié)同創(chuàng)新伙伴選擇［J］.計(jì)算機(jī)工程與應(yīng)用，2007，43（29）：245-248.］

［11］CAMPBELL A J，COOPER R G.Do customer partnerships improve new product success rates？［J］.Industrial Marketing Management，1999，28（5）：507-519.

［12］SANDMEIER P.Customer integration strategies for innovation projects：anticipation and brokering［J］.International Journal of Technology Management，2009，48（1）：1-23.

［13］DE JONG J.The age of the consumer innovator［J］.RSM Insight，2012，9（1）：14-15.

［14］GRUNER K E，HOMBURG C.Does customer interaction enhance new product success？［J］.Journal of Business Research，2000，49（1）：1-14.

［15］EMDEN Z，CALANTONE R J，DROGE C.Collaborating for new product development：selecting the partner with maximum potential to create value［J］.Journal of Product Innovation Management，2006，23（4）：330-341.

［16］BROCKHOFF K.Customers’perspectives of involvement in new product development［J］.International Journal of Technology Management，2003，26（5）：464-481.

［17］HE B，F(xiàn)ENG P.Research on collaborative conceptual design based on distributed knowledge resource［J］.The International Journal of Advanced Manufacturing Technology，2013，66（5-8）：645-662.

［18］YANG Jie，YANG Yu，ZHAO Chuan，et al.Integrated technology of customer knowledge in collaborative product innovation based on ontology theory［J］.Computer Integrated Manufacturing Systems，2009，15（12）：2303-2311（in Chinese）.［楊 潔，楊 育，趙 川，等.產(chǎn)品創(chuàng)新設(shè)計(jì)中基于本體理論的客戶知識集成技術(shù)研究［J］.計(jì)算機(jī)集成制造系統(tǒng)，2009，15（12）：2303-2311.］

［19］ZHEN L，JIAN Z H.Knowledge grid based knowledge supply model［J］.IEICE Transactions on Information and Systems，2008（4）：1082-1090.

［20］SUN W，MA Q Y，GAO T Y，et al.Knowledge-intensive support for product design with an ontology-based approach［J］.The International Journal of Advanced Manufacturing Technology，2010，48（5-8）：421-434.

［21］CHEN Jie，JIANG Zuhua.Concept similarity computation for domain ontology［J］.Computer Engineering and Applications，2006，42（33）：163-166（in Chinese）.［陳 杰，蔣祖華.領(lǐng)域本體的概念相似度計(jì)算［J］.計(jì)算機(jī)工程與應(yīng)用，2006，42（33）：163-166.］

［22］BAO Zhenqiang，WANG Ningsheng.A knowledge tree model for management of organizational knowledge［J］.Science Research Management，2002，23（1）：58-62（in Chinese）.［包振強(qiáng)，王寧生.基于知識樹的組織知識管理初探［J］.科研管理，2002，23（1）：58-62.］

［23］WANG Jun，F(xiàn)AN Zhiping.A model for measurement of organizational knowledge based on acyclic digraph［J］.Systems Engineering，2002，20（5）：22-27（in Chinese）.［王 君，樊治平.一種基于有向無環(huán)圖的組織知識度量模型［J］.系統(tǒng)工程，2002，20（5）：22-27.］

［24］LI Shuncai，CHANG Li，ZOU Shangang.Grey relational assessment of knowledge stocks of enterprise［J］.Science Research Management，2001，22（3）：73-78（in Chinese）.［李 順才，常 荔，鄒珊剛.企業(yè)知識存量的多層次灰關(guān)聯(lián)評價［J］.科研管理，2001，22（3）：73-78.］

［25］LI Shuncai，ZOU Shangang，SU Ziyi.An improved model for measurement of knowledge stocks based on perpetual inventory［J］.Science of Science and Management of S.&T.，2003，24（9）：13-15（in Chinese）.［李順才，鄒珊剛，蘇子儀.一種基于永續(xù)盤存的知識存量測度改進(jìn)模型［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2003，24（9）：13-15.］

［26］XI Yunjiang，DANG Yanzhong.A method to analyze the knowledge structure of an individual or a group based on weighted knowledge network［J］.Journal of Industrial Engineering and Engineering Management，2008，22（3）：1-4（in Chinese）.［席運(yùn)江，黨延忠.基于加權(quán)知識網(wǎng)絡(luò)的個人及群體知識結(jié)構(gòu)分析方法［J］.管理工程學(xué)報，2008，22（3）：1-4.］