基于SNA-DBSCAN的高?；ê献骶W(wǎng)絡(luò)結(jié)構(gòu)及聚類特征分析

嚴(yán) 斌，郭超群，張 兵

(揚州大學(xué) 建筑科學(xué)與工程學(xué)院， 江蘇 揚州 225127)

“十三五”規(guī)劃以來，我國高等教育“井噴式”高速發(fā)展，進(jìn)入普及化階段是當(dāng)前我國高等教育發(fā)展的新時代特征[1]。2020年我國高校在校生人數(shù)達(dá)3700萬人，但高校建設(shè)空間總量增長態(tài)勢長期滯后于辦學(xué)規(guī)模增長[2]，高教用地規(guī)模與建筑規(guī)模仍存在一定缺口。對此，教育部與地方政府投入大量資金，高校積極改善經(jīng)費結(jié)構(gòu)、拓寬籌措方式以適應(yīng)經(jīng)濟(jì)新常態(tài)需求[3]，掀起高?；岢?。

高校基建工程具有項目類型多樣、同期建設(shè)項目多、體量大及進(jìn)度各異等特點[4]。此外，由于高?；ㄗ陨淼姆菭I利、社會影響力大等特殊性質(zhì)及其不僅僅提供教育科研場所，還包括配套的文化生活區(qū)與體育休閑區(qū)的公共服務(wù)性質(zhì)[5]，高?；üこ虘?zhàn)略意義重大，對社會經(jīng)濟(jì)及文化環(huán)境有深刻長遠(yuǎn)的影響。建設(shè)周期內(nèi)，大型、復(fù)雜的高?；üこ躺婕爸T多利益相關(guān)者[6]，是一個跨組織的行為集合[7]，大部分高校專設(shè)基建管理處，梳理整合規(guī)劃、基本建設(shè)、資產(chǎn)管理等職能。

龐大的資金投入及高難度、系統(tǒng)性的管理過程催生了關(guān)系復(fù)雜，且具有與一般工程承包商合作網(wǎng)絡(luò)類似的拓?fù)浣Y(jié)構(gòu)特征[8]的高?；ê献骶W(wǎng)絡(luò)。合作趨勢既能夠促進(jìn)網(wǎng)絡(luò)內(nèi)行動者緊密協(xié)作，也容易形成扎根于利益同盟的“合作封閉圈”，使高校基建合作網(wǎng)絡(luò)成為一把“雙刃劍”，具有辯證的兩面性。2016年7月，北京市委巡視組點名批評部分高校存在少數(shù)固定施工隊長期壟斷基建工程的情況，社會影響惡劣。為引導(dǎo)行業(yè)內(nèi)良性競爭，保證高?；A(chǔ)設(shè)施建設(shè)的質(zhì)量及進(jìn)度，高?；ü芾碚咭叱鲞@個無形的“合作封閉圈”。

高?；ê献骶W(wǎng)絡(luò)節(jié)點間關(guān)系復(fù)雜[9]，網(wǎng)絡(luò)結(jié)構(gòu)特征顯著，但目前少有學(xué)者運用社會網(wǎng)絡(luò)理論與相關(guān)數(shù)學(xué)分析方法對其進(jìn)行深入研究。鑒于此，本研究使用爬蟲技術(shù)對32所高校的基建中標(biāo)信息進(jìn)行搜集，運用社會網(wǎng)絡(luò)工具建立基建合作網(wǎng)絡(luò)模型，并使用Python語言實現(xiàn)機(jī)器學(xué)習(xí)中較著名的密度聚類算法(Density—Based Spatial Clustering of Application with Noise，DBSCAN)，對其網(wǎng)絡(luò)結(jié)構(gòu)及聚類特征進(jìn)行深入分析。

1 文獻(xiàn)回顧

隨著高校基礎(chǔ)設(shè)施建設(shè)熱潮興起，各參建單位與不同基建項目間逐漸形成復(fù)雜的合作關(guān)系，其構(gòu)成的合作網(wǎng)絡(luò)是一種無權(quán)無向網(wǎng)絡(luò)[10]。近年來，國內(nèi)外學(xué)者在社會網(wǎng)絡(luò)建模、分析及演化研究等方面提供了大量可借鑒的研究成果[11,12]，本研究分別從合作網(wǎng)絡(luò)、工程承包商合作關(guān)系、高?；ê献骶W(wǎng)絡(luò)及方法理論模型四方面進(jìn)行文獻(xiàn)梳理。合作滲透“產(chǎn)學(xué)研”的方方面面，國內(nèi)學(xué)者在科研合作網(wǎng)絡(luò)[13]的形成及仿真研究中取得了較多成果。顧偉男等[14]構(gòu)建“一帶一路”沿線國家科研合作矩陣，采用GIS(Geographic Information System)空間分析及社會網(wǎng)絡(luò)分析方法，在科研合作網(wǎng)絡(luò)的多元結(jié)構(gòu)及形成機(jī)制研究中取得成果；岳增慧等[15]構(gòu)建科研合作網(wǎng)絡(luò)知識擴(kuò)散個體行為模型，使用MATLAB工具仿真知識擴(kuò)散過程，提出科研合作雙向知識擴(kuò)散模式。此外，合作網(wǎng)絡(luò)對學(xué)術(shù)績效、企業(yè)創(chuàng)新績效影響顯著。曹霞等[16]構(gòu)建基于申請人及專利的雙模合作網(wǎng)絡(luò)，探討網(wǎng)絡(luò)中企業(yè)節(jié)點的關(guān)系勢能對創(chuàng)新績效的影響機(jī)制；張藝等[17]通過理論推演與實證分析，提出產(chǎn)學(xué)研合作網(wǎng)絡(luò)規(guī)模及節(jié)點中心度對網(wǎng)絡(luò)主體學(xué)術(shù)績效的影響程度呈倒“U”分布。

工程承包商合作關(guān)系研究始于項目利益相關(guān)者管理[18]，當(dāng)下主要集中在技術(shù)創(chuàng)新合作、網(wǎng)絡(luò)關(guān)系影響力等方面。李永奎、劉祥彪等[19]通過構(gòu)建工程科技創(chuàng)新合作網(wǎng)絡(luò)，提出國有企業(yè)和高等學(xué)校在重大工程創(chuàng)新中發(fā)揮著重要作用。李永奎、崇丹等[20]通過建立建筑企業(yè)社會網(wǎng)絡(luò)模型研究地緣社會及資源關(guān)系對企業(yè)市場競爭力的影響程度。

在重大工程，特別是大型、復(fù)雜的基建項目合作網(wǎng)絡(luò)方面，潘華等[21]從頂層和框架設(shè)計視角分別對大型復(fù)雜項目組織網(wǎng)絡(luò)研究所涉及的相關(guān)概念、研究程序、網(wǎng)絡(luò)模型構(gòu)建進(jìn)行了闡述。宋馳[22]在共生理論視角下，基于供應(yīng)鏈合作關(guān)系構(gòu)建包括公辦高校及代建單位的共生生態(tài)系統(tǒng)，探討如何提高高校基建代建項目管理效率。高校基建合作網(wǎng)絡(luò)具有鮮明的“政府 - 市場”二元作用特征[5]，受制度及環(huán)境制約的影響，體現(xiàn)出利益相關(guān)者及參與組織多元化、網(wǎng)絡(luò)結(jié)構(gòu)中心化趨勢明顯、合作關(guān)系復(fù)雜等突出特征。

研究方法層面，當(dāng)下社會網(wǎng)絡(luò)分析(Social Network Analysis，SNA)是公認(rèn)的研究復(fù)雜、大型工程組織結(jié)構(gòu)的重要理論與方法[23,24]，是有效的網(wǎng)絡(luò)模型構(gòu)建、可視化工具。此外，楊博等[25]指出基于機(jī)器學(xué)習(xí)的復(fù)雜網(wǎng)絡(luò)聚類方法對其拓?fù)浣Y(jié)構(gòu)分析及理解復(fù)雜網(wǎng)絡(luò)行為不僅具有重要理論意義，且應(yīng)用前景廣泛，如楊芳勛[26]驗證了DBSCAN算法解決電子郵件復(fù)雜網(wǎng)絡(luò)中社團(tuán)發(fā)現(xiàn)問題的有效性。基于密度的噪聲空間聚類算法DBSCAN是一種能夠在噪聲空間數(shù)據(jù)中識別任意聚類形狀，把高密度區(qū)域劃分為簇類的機(jī)器學(xué)習(xí)算法[27]，關(guān)于其參數(shù)自適應(yīng)方法已有較多成果[28,29]可供參考，能夠克服人為設(shè)置Eps和Min Pts參數(shù)而降低聚類精度的缺點。

綜上，雖然目前有關(guān)高校基建合作網(wǎng)絡(luò)的研究相對較少，但與其相關(guān)復(fù)雜網(wǎng)絡(luò)模型構(gòu)建與分析的理論與方法都趨于成熟。鑒于此，本文基于SNA理論方法，使用UCINET 6.0軟件構(gòu)建高?；ê献骶W(wǎng)絡(luò)模型，基于案例分析其網(wǎng)狀拓?fù)浣Y(jié)構(gòu)特征，并利用Python語言實現(xiàn)DBSCAN算法過程及參數(shù)自適應(yīng)優(yōu)化，在保證聚類精度的基礎(chǔ)上對案例聚類以驗證相應(yīng)結(jié)論。本研究是對高?；ê献骶W(wǎng)絡(luò)結(jié)構(gòu)及聚類特征的具體量化分析，為高?；ü芾韺嵺`提供新的思路。

2 合作網(wǎng)絡(luò)模型構(gòu)建與結(jié)構(gòu)分析

2.1 數(shù)據(jù)來源與處理

高?；üこ掏队煤笾饕獮閹熒后w提供科研學(xué)習(xí)、生活場所，其管理涉及可行性研究、勘察設(shè)計、施工及竣工資料整理等多個環(huán)節(jié)，各環(huán)節(jié)的質(zhì)量、進(jìn)度把控都能夠影響到最終項目的成敗。當(dāng)下高?；üこ讨饕ㄟ^公開招標(biāo)的方式確定承建單位，各高?；ü芾聿块T負(fù)責(zé)項目全過程跟蹤管理。本研究聚焦于高?；ê献骶W(wǎng)絡(luò)結(jié)構(gòu)及聚類特征分析，考慮各高校門戶網(wǎng)站(一般為基建處或招投標(biāo)管理辦公室)所公布數(shù)據(jù)的完備性及時效性，選擇32所高校(覆蓋教育部直屬、“985、211工程”及普本“一批次”且分布于不同省份)2018年以來的基建工程及最終的中標(biāo)單位為網(wǎng)絡(luò)節(jié)點建立合作網(wǎng)絡(luò)。所選案例在城市分布、資金與建設(shè)規(guī)模、項目復(fù)雜程度等方面各不相同，其中包含14所教育部直屬高校，4所高校2019年預(yù)算經(jīng)費在75所教育部直屬高校中排列前十；32所高校來自于21座不同城市，其中19所高校來自于一線城市，14所高?，F(xiàn)有3個以上校區(qū)，15所高?；üこ讨写嬖谛陆▎雾椆こ?。

若不同中標(biāo)公示文件中的基建工程屬于同一單項工程(具備獨立設(shè)計文件，且竣工投用后可獨立發(fā)揮生產(chǎn)、使用等功能的建設(shè)工程)，則將其合并為同一基建項目；對應(yīng)多個不同中標(biāo)單位，代表他們合作參與此項工程。與此同時，某些資質(zhì)完備、業(yè)務(wù)能力強(qiáng)的承包商能夠同時參與多個基建工程的建設(shè)，代表該承包商與這些基建工程的節(jié)點兩兩相連。在整個招投標(biāo)過程中，以高校為甲方代表的基建項目與承包商間的合作是一種雙向確認(rèn)關(guān)系，且因建設(shè)產(chǎn)品的固定性特點，不考慮合作次數(shù)，構(gòu)建的合作網(wǎng)絡(luò)屬于無權(quán)無向的雙模網(wǎng)絡(luò)。

2.2 合作網(wǎng)絡(luò)模型構(gòu)建

對各高校門戶網(wǎng)站所公示的中標(biāo)文件內(nèi)容進(jìn)行爬取后，將所得資料整理為代表不同高校的基建合作網(wǎng)絡(luò)鄰接矩陣，并導(dǎo)入社會網(wǎng)絡(luò)分析工具UCINET 6.0軟件中，生成合作網(wǎng)絡(luò)模型，32所高校的合作網(wǎng)絡(luò)如圖1所示(圖中紅色節(jié)點代表中標(biāo)單位，藍(lán)色節(jié)點代表基建項目)。

圖1 某高?；ê献骶W(wǎng)絡(luò)

2.3 合作網(wǎng)絡(luò)結(jié)構(gòu)分析

網(wǎng)絡(luò)中的兩個節(jié)點既可能因為屬性相似產(chǎn)生聯(lián)系，也可能因為結(jié)構(gòu)特征相似形成鏈接[30,31]。本研究旨在對高?；ê献骶W(wǎng)絡(luò)結(jié)構(gòu)及其聚類特征進(jìn)行分析，但基建工程與中標(biāo)單位間的雙向確認(rèn)合作關(guān)系建立在特殊的節(jié)點屬性基礎(chǔ)上，因此在通過數(shù)學(xué)工具揭示合作網(wǎng)絡(luò)結(jié)構(gòu)特征的同時，深入挖掘核心關(guān)鍵節(jié)點屬性信息，能夠為高?；ǖ娜粘９芾砉ぷ鲙韱⑹?。

高?；ê献骶W(wǎng)絡(luò)由“高?；椖俊焙汀皡⒔▎挝弧眱深惞?jié)點集合構(gòu)成，根據(jù)行動者集合的性質(zhì)進(jìn)行劃分屬于雙模非連通網(wǎng)絡(luò)。由圖1可以發(fā)現(xiàn)，所有合作網(wǎng)絡(luò)中都存在一個或兩個核心集群(Core-Lan，CL)，屬于社會網(wǎng)絡(luò)中的局域網(wǎng)絡(luò)范疇，其他邊緣節(jié)點(Edge-Node，EN)或多或少地分布在網(wǎng)絡(luò)四周，整體上呈現(xiàn)出較為清晰的層級結(jié)構(gòu)。如北京大學(xué)基建合作網(wǎng)絡(luò)中核心局域網(wǎng)節(jié)點數(shù)為71，包含54個中標(biāo)單位與17個基建項目，占節(jié)點總數(shù)的46.4%，其他82個邊緣節(jié)點離散分布于四周。

不同規(guī)模的合作網(wǎng)絡(luò)都存在向核心關(guān)鍵節(jié)點中心化的明顯趨勢，從節(jié)點屬性角度來看，核心關(guān)鍵節(jié)點常為大型、復(fù)雜的單項基建工程或資質(zhì)完備的咨詢、建筑企業(yè)。不難發(fā)現(xiàn)，當(dāng)核心關(guān)鍵節(jié)點為基建項目時，合作網(wǎng)絡(luò)中的核心局域網(wǎng)邊界通常為參建單位。

高校大型、復(fù)雜的基礎(chǔ)設(shè)施乃至一個新校區(qū)的建設(shè)往往需要眾多參建單位跨組織合作，同時資質(zhì)高、規(guī)模大的企業(yè)能夠與其他基建項目節(jié)點產(chǎn)生鏈接，形成以大型基建項目為中心的局域網(wǎng)絡(luò)。當(dāng)參建單位成為局域網(wǎng)中的核心節(jié)點時，則提示可能出現(xiàn)“合作封閉圈”問題，需要加以關(guān)注。

3 聚類特征分析

3.1 案例聚類指標(biāo)選取

根據(jù)上文，高校基建合作網(wǎng)絡(luò)包含一個或兩個核心集群及不同數(shù)量的邊緣節(jié)點，猜想“核心局域網(wǎng)個數(shù)”及“中心化程度”是兩個合理分類維度，此部分通過DBSCAN算法將案例合作網(wǎng)絡(luò)進(jìn)行聚類加以驗證。

邊緣節(jié)點比例能夠在一定程度上反映整體網(wǎng)的中心化程度，因此本研究選擇核心局域網(wǎng)節(jié)點比例及邊緣節(jié)點比例為案例聚類指標(biāo)，指標(biāo)信息匯總見表1?；椖颗c中標(biāo)單位的雙向確認(rèn)合作關(guān)系賦予兩者同等地位，為更清晰地展示合作網(wǎng)絡(luò)結(jié)構(gòu)特征，統(tǒng)計節(jié)點數(shù)量比例時不再區(qū)分兩類節(jié)點。

表1 案例聚類指標(biāo)信息

3.2 算法原理3.2.1 DBSCAN算法過程

DBSCAN聚類算法，通過設(shè)定參數(shù)半徑Eps及鄰域內(nèi)最少點數(shù)量Min Pts，在噪聲空間中將密度足夠高的區(qū)域劃分為簇。本研究使用Python語言實現(xiàn)算法過程。

(1)算法需要確定一種距離度量，本研究使用歐氏距離測量樣本點在三維空間中的距離ρ。

(1)

(2)算法需要輸入?yún)?shù)半徑Eps及鄰域內(nèi)最少點數(shù)量Min Pts兩個參數(shù)，聚類過程如圖2所示，核心點滿足半徑Eps鄰域內(nèi)的樣本點不少于Min Pts。

圖2 DBSCAN算法聚類過程示意

(3)根據(jù)經(jīng)驗，算法參數(shù)Eps的確定一般根據(jù)K- 距離(樣本點到所有點間第K近的距離)升序變化曲線中發(fā)生急劇變化的位置確定，而該位置對應(yīng)的K值即為參數(shù)Min Pts的值。若經(jīng)驗值聚類效果不理想，可以適當(dāng)調(diào)整，通過迭代計算對比確定最適合的參數(shù)值。

(4)若樣本點不屬于任何簇，則被判定為噪聲點，算法使用輪廓系數(shù)[32]評價聚類效果的好壞。

3.2.2 參數(shù)自適應(yīng)過程

根據(jù)經(jīng)驗確定算法參數(shù)的傳統(tǒng)辦法存在人為干預(yù)、需要多次調(diào)整迭代的弊端。本研究使用Python語言，采用K- 距離及數(shù)學(xué)期望法生成K- 平均最近鄰距離列表，依次求出每個平均最近距離對應(yīng)的鄰域內(nèi)樣本點數(shù)量并生成期望值列表。在此基礎(chǔ)上引入密度閾值Density[32]：

(2)

通過繪制Density隨K- 平均最近距離變化曲線(圖3)，觀察其急劇變化位置確定參數(shù)Eps合理范圍，保證聚類精度的同時能夠減少傳統(tǒng)經(jīng)驗方法的迭代次數(shù)。

3.3 結(jié)果分析

(1)參數(shù)確定

觀察圖3可知，當(dāng)K- 平均最近鄰距離在(0,0.2)區(qū)間范圍內(nèi)變化時，密度閾值在473.29(K=1)及77.62(K=5)兩點間急劇下滑，后呈平緩變化趨勢。因此判斷：參數(shù)Eps的合理區(qū)間范圍在K=2與K=5兩點間，即(0.079,0.182)；為保證算法聚類精度，參數(shù)Min Pts理論上應(yīng)≥3，則參數(shù)Min Pts應(yīng)在區(qū)間[3,5]范圍取整，不同取值對應(yīng)的三維聚類效果不同。縮小參數(shù)范圍后，能夠顯著減少工作量。經(jīng)過少量嘗試確定參數(shù)Min Pts取值為3或4，且參數(shù)Eps取值為0.12或0.15時，能夠獲得較好的聚類效果，下文針對四種情況做具體分析。

圖3 Density隨K - 平均最近鄰距離變化曲線

(2)三維聚類結(jié)果分析

不同參數(shù)取值條件下的聚類結(jié)果如圖4～7所示。

圖4 聚類結(jié)果(Eps=0.12，Min Pts=3，輪廓系數(shù)=0.543，Noise=21.88%)

圖5 聚類結(jié)果(Eps=0.15，Min Pts=4，輪廓系數(shù)=0.543，Noise=21.88%)

觀察圖4，5發(fā)現(xiàn)，Eps=0.12，Min Pts=3及Eps=0.15，Min Pts=4條件下，聚類結(jié)果相同，案例在21.88%的噪聲空間中聚為3類，單局域網(wǎng)案例以“中心化程度”為維度聚為2簇；具有2個核心局域網(wǎng)的案例聚為一簇，分類維度“中心化程度”未得到體現(xiàn)。此時雖然輪廓系數(shù)較高，但7個案例被作為噪聲處理，整體聚類效果不理想。

圖6 聚類結(jié)果(Eps=0.12，Min Pts=4，輪廓系數(shù)=0.510，Noise=25%)

觀察圖6，Eps=0.12，Min Pts=4條件下，單局域網(wǎng)案例聚為3簇，一個單局域網(wǎng)案例被聚類到雙局域網(wǎng)案例簇中，雙局域網(wǎng)案例的聚類未區(qū)分中心化程度不同的案例，且8個案例被作為噪聲處理，聚類效果并不理想。

觀察圖7，Eps=0.15，Min Pts=3條件下，案例聚為4簇，分類維度“核心局域網(wǎng)個數(shù)”及“中心化程度”均得到體現(xiàn)，輪廓系數(shù)0.507雖不是最高，但不存在噪聲樣本，整體聚類效果好。

圖7 聚類結(jié)果(Eps=0.15，Min Pts=3，輪廓系數(shù)=0.507，Noise=0.00%)

(3)聚類特征分析

圖7中黃點及紅點分別代表具有2個核心局域網(wǎng)、中心化程度不同的高?；ê献骶W(wǎng)絡(luò)；綠點及藍(lán)點則分別代表僅有1個核心局域網(wǎng)、中心化程度不同的高?；ê献骶W(wǎng)絡(luò)；32個案例中共21所高校的基建合作網(wǎng)絡(luò)呈現(xiàn)1個核心局域網(wǎng)且中心化程度低(案例離散節(jié)點比例均大于32.5%)，占案例總數(shù)的65.63%。前文猜想：“核心局域網(wǎng)個數(shù)”及“中心化程度”是高校基建合作網(wǎng)絡(luò)的兩個合理分類維度得到驗證，能夠為后續(xù)合作網(wǎng)絡(luò)節(jié)點信息深度挖掘及有監(jiān)督學(xué)習(xí)提供支撐。

4 結(jié)論與討論

本研究基于SNA理論方法構(gòu)建32所高校的基建合作網(wǎng)絡(luò)模型，對其拓?fù)浣Y(jié)構(gòu)進(jìn)行分析。在此基礎(chǔ)上，研究基于自適應(yīng)參數(shù)的DBSCAN算法，分析案例聚類特征，得出以下結(jié)論：

(1)不同規(guī)模的合作網(wǎng)絡(luò)都存在向核心關(guān)鍵節(jié)點中心化的明顯趨勢；

(2)從節(jié)點屬性角度來看，核心關(guān)鍵節(jié)點常為大型、復(fù)雜的單項基建工程或資質(zhì)完備的咨詢、建筑企業(yè)；

(3)“核心局域網(wǎng)個數(shù)”及“中心化程度”是高?；ê献骶W(wǎng)絡(luò)兩個合理的分類維度。

研究成果為后續(xù)的高?；ê献骶W(wǎng)絡(luò)節(jié)點信息深度挖掘及有監(jiān)督學(xué)習(xí)提供有力支撐，據(jù)此對高?；ü芾砉ぷ魈岢鲆韵聨c建議：

(1)參建單位成為局域網(wǎng)中的核心節(jié)點時，提示可能出現(xiàn)“合作封閉圈”問題。一般情況下，局域網(wǎng)絡(luò)的數(shù)量與形態(tài)受大型、復(fù)雜基建項目的影響，它們需要不同專業(yè)的承包商合作完成，能夠吸附邊緣節(jié)點形成以自身為中心的核心局域網(wǎng)。值得關(guān)注的是活躍的中標(biāo)單位能夠?qū)⒉煌幕椖筷P(guān)聯(lián)在同一局域網(wǎng)絡(luò)中，進(jìn)而形成以基建項目為邊界的核心局域網(wǎng)絡(luò)。

(2)建立高?；ê献骶W(wǎng)絡(luò)監(jiān)控平臺，通過基建數(shù)據(jù)實時處理與動態(tài)監(jiān)測，同時在節(jié)點間加入負(fù)責(zé)人、合同、進(jìn)度與預(yù)算控制等關(guān)鍵信息，提高合作協(xié)調(diào)程度，促使合作關(guān)系健康發(fā)展。

辯證地看，高?；ê献骶W(wǎng)絡(luò)是一把“雙刃劍”，“合作封閉圈”問題是管理者面臨的嚴(yán)峻挑戰(zhàn)。本研究從網(wǎng)絡(luò)結(jié)構(gòu)角度深入分析了高?；ê献骶W(wǎng)絡(luò)的聚類特征，一定程度上能夠豐富高?；ü芾砝碚摚偈够ü芾砉ぷ鞲右?guī)范、高效。而基于節(jié)點屬性的不同合作網(wǎng)絡(luò)結(jié)構(gòu)形成內(nèi)因分析及如何通過平臺建設(shè)將基建負(fù)責(zé)人、合同管理、進(jìn)度與預(yù)算控制等實際信息關(guān)聯(lián)至合作網(wǎng)絡(luò)節(jié)點間等問題，是后續(xù)值得深入研究的方向。