"基于图注意力网络的开放式创新社区用户创意潜在价值发现研究"

开放式创新社区（OIC）作为基于互联网的用户生成内容平台，吸引用户参与到产品创意设计与研发、新品体验、营销推广等业务领域，已成为企业获取用户需求、产品创新等信息的重要来源。开放式创新是大量用户针对有价值的想法进行相互探讨和启发的动态交互过程，充分迭代的创意可以为企业的创新发展提供充足的选择空间。然而，随着社区用户规模的剧增，也出现了严重的信息过载问题，导致许多优质创意得不到充分的关注和互动，其价值可能无法被发掘，这不仅会打击社区用户的积极性，也降低了开放式创新社区的创新效果。 针对这一问题，本研究选择了基于图注意力网络的方法，旨在通过识别社区用户创意的潜在价值，并通过推荐等方式引导其他用户积极参与，从而最大化发现用户创意的价值，全面挖掘社区创新资源。当前的研究已经关注了用户生成内容的价值发现、质量识别等问题，利用机器学习和统计分析等方法，在内容构成、用户特征、评论评分等方面进行研究，取得了较好的效果。然而，多数研究是基于用户互动过程的视角，识别模型多依赖其他用户的评论特征，对早期没有其他用户参与的潜在价值发现关注不足。 因此，本研究聚焦于基于图注意力网络的方法，采用用户生成内容平台的数据，通过对用户创意进行分析和挖掘，识别潜在的有价值创意，并设计相应的推荐模型，引导其他用户的参与，最终实现社区创新资源的最大化发现和利用。基于图注意力网络的方法可以有效地结合用户在平台上的交互信息，识别具有潜在价值的创意，并在推荐模型中引入注意力机制，使得推荐系统更加精准和个性化。 本研究的主要贡献包括：（1）提出了基于图注意力网络的开放式创新社区用户创意潜在价值发现方法，有效结合了用户生成内容平台数据的特点，提高了潜在价值创意的发现效果；（2）设计了相应的推荐模型，引导其他用户积极参与到潜在价值创意的讨论和互动中，全面挖掘社区创新资源；（3）通过实验验证，验证了基于图注意力网络的方法对于提升开放式创新社区用户创意潜在价值发现效果的有效性。 总的来说，本研究旨在解决开放式创新社区中存在的用户创意潜在价值发现不足的问题，通过引入图注意力网络的方法，提高了潜在价值创意的发现效果，并通过相应的推荐模型，促进了其他用户的参与，全面挖掘了社区创新资源。未来，我们将继续扩大数据规模，进一步验证方法的有效性，同时结合用户行为数据和文本信息，进一步提升开放式创新社区用户创意潜在价值发现的效果。希望通过本研究，能够为开放式创新社区的用户创意潜在价值发现和引导提供更为有效的方法和工具。