程露 李莉

摘 要：結(jié)合結(jié)構(gòu)平衡理論與動(dòng)態(tài)平衡思想，對(duì)企業(yè)創(chuàng)新網(wǎng)絡(luò)演化過(guò)程中負(fù)聯(lián)系的影響和作用機(jī)制進(jìn)行深入分析，界定了負(fù)聯(lián)系影響下創(chuàng)新個(gè)體的4種知識(shí)搜索行為和2種搜索屏蔽現(xiàn)象，并分析了知識(shí)搜索行為演化機(jī)制。研究結(jié)果表明：①負(fù)聯(lián)系會(huì)縮小創(chuàng)新個(gè)體間地位差距，使個(gè)體地位趨于平等；②負(fù)聯(lián)系會(huì)使創(chuàng)新網(wǎng)絡(luò)始終保持鮮明的派系特征，并阻礙派系融合，使創(chuàng)新個(gè)體更依賴(lài)于其所在派系；③創(chuàng)新網(wǎng)絡(luò)凝聚性不僅取決于個(gè)體互動(dòng)中建立的正聯(lián)系，還受到負(fù)聯(lián)系的復(fù)雜影響。一方面，負(fù)聯(lián)系通過(guò)抑制網(wǎng)絡(luò)正聯(lián)系、增強(qiáng)拓?fù)湫韵魅鮿?chuàng)新網(wǎng)絡(luò)整體的小世界現(xiàn)象；另一方面，負(fù)聯(lián)系加深了創(chuàng)新個(gè)體對(duì)派系的依賴(lài)程度，使得派系內(nèi)成員間的聯(lián)系更緊密，網(wǎng)絡(luò)局部小世界結(jié)構(gòu)特征更顯著。

關(guān)鍵詞：創(chuàng)新網(wǎng)絡(luò)；負(fù)聯(lián)系；知識(shí)搜索；網(wǎng)絡(luò)演化

DOIDOI：10.6049/kjjbydc.2022090235

中圖分類(lèi)號(hào)：F091.354

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-7348（2023）06-0036-12

0 引言

由一群企業(yè)或創(chuàng)新組織互動(dòng)交流形成的創(chuàng)新網(wǎng)絡(luò)（以下簡(jiǎn)稱(chēng)為“創(chuàng)新網(wǎng)絡(luò)”）結(jié)構(gòu)演化一直是創(chuàng)新管理領(lǐng)域研究的熱點(diǎn)和重點(diǎn)^[1-3]。一直以來(lái)，創(chuàng)新網(wǎng)絡(luò)及其網(wǎng)絡(luò)結(jié)構(gòu)演化聯(lián)系被認(rèn)為對(duì)個(gè)體創(chuàng)新具有積極的正向作用，學(xué)者們將創(chuàng)新網(wǎng)絡(luò)理解為合作創(chuàng)新網(wǎng)絡(luò)、協(xié)同創(chuàng)新網(wǎng)絡(luò)、知識(shí)網(wǎng)絡(luò)等結(jié)構(gòu)變化。實(shí)際上，創(chuàng)新網(wǎng)絡(luò)是一個(gè)符號(hào)網(wǎng)絡(luò)（signed network），個(gè)體企業(yè)間不僅存在代表合作創(chuàng)新、知識(shí)共享等的正聯(lián)系（positive links），還存在代表競(jìng)爭(zhēng)對(duì)抗、信息封鎖、抵觸交流等的負(fù)聯(lián)系（negative links）。相較于獲得廣泛研究的正聯(lián)系，負(fù)聯(lián)系尚未在創(chuàng)新領(lǐng)域引起足夠關(guān)注^[4-5]。學(xué)者們大多跳過(guò)負(fù)聯(lián)系，將企業(yè)間創(chuàng)新網(wǎng)絡(luò)等同為創(chuàng)新合作網(wǎng)絡(luò)、協(xié)同創(chuàng)新網(wǎng)絡(luò)等正網(wǎng)絡(luò)或無(wú)符號(hào)網(wǎng)絡(luò)（unsigned network）。Schuler^[6]將這一現(xiàn)象形象地總結(jié)為“不可見(jiàn)的聯(lián)系”（invisible ties）。

近年來(lái)，有關(guān)社會(huì)網(wǎng)絡(luò)、復(fù)雜網(wǎng)絡(luò)以及其它交叉學(xué)科領(lǐng)域的研究逐漸增多。Harrigan等^[7]在梳理社會(huì)網(wǎng)絡(luò)研究時(shí)指出，在社會(huì)經(jīng)濟(jì)交流互動(dòng)過(guò)程中，相較于正聯(lián)系，負(fù)聯(lián)系對(duì)個(gè)體行動(dòng)者態(tài)度和行為具有更顯著的影響； Teixeira等^[8]、Keuchenius等^[9]對(duì)Twitter、Facebook、Insgram等大型社交媒體網(wǎng)絡(luò)的實(shí)證分析結(jié)果表明，引入負(fù)聯(lián)系信息有助于提升在線(xiàn)網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)劃分、新社區(qū)發(fā)現(xiàn)和預(yù)測(cè)用戶(hù)網(wǎng)絡(luò)行為的精準(zhǔn)性；Summers & Shames^[10]根據(jù)聯(lián)合國(guó)1946-2008投票表決記錄考察國(guó)際關(guān)系網(wǎng)絡(luò)變遷與國(guó)家戰(zhàn)略行為，調(diào)查發(fā)現(xiàn)，負(fù)聯(lián)系在網(wǎng)絡(luò)結(jié)構(gòu)形成和結(jié)構(gòu)演化過(guò)程中扮演重要角色；Lerner^[11]在研究人際關(guān)系網(wǎng)絡(luò)時(shí)發(fā)現(xiàn)，負(fù)聯(lián)系直接影響個(gè)體行為模式，是社群結(jié)構(gòu)形成的重要原因，并提出應(yīng)引入負(fù)聯(lián)系改進(jìn)社群發(fā)現(xiàn)算法和指標(biāo)；Isakov等^[12]在研究歐美鄉(xiāng)村網(wǎng)絡(luò)時(shí)發(fā)現(xiàn)，引入負(fù)聯(lián)系能夠更清晰、更合理地解釋網(wǎng)絡(luò)結(jié)構(gòu)成因與歷史發(fā)展路徑，預(yù)測(cè)網(wǎng)絡(luò)未來(lái)演化趨勢(shì)；Stadtfeld等^[13]在梳理社會(huì)網(wǎng)絡(luò)領(lǐng)域負(fù)聯(lián)系研究進(jìn)展的基礎(chǔ)上，進(jìn)一步指出，負(fù)聯(lián)系直接作用于節(jié)點(diǎn)網(wǎng)絡(luò)行為，表現(xiàn)為網(wǎng)絡(luò)聯(lián)系的形成、維系和消散，進(jìn)而影響整體網(wǎng)絡(luò)演化軌跡。

值得注意的是，現(xiàn)有負(fù)聯(lián)系和符號(hào)網(wǎng)絡(luò)的相關(guān)研究主要是針對(duì)特定組織或特定范圍內(nèi)的人際網(wǎng)絡(luò)、社交網(wǎng)絡(luò)或人格化的國(guó)家關(guān)系網(wǎng)絡(luò)開(kāi)展的實(shí)證研究或問(wèn)卷調(diào)查^[7]，針對(duì)組織間網(wǎng)絡(luò)（inter-organizational network）的研究較為匱乏，這與學(xué)者們普遍將企業(yè)間創(chuàng)新網(wǎng)絡(luò)默認(rèn)為“正網(wǎng)絡(luò)”的現(xiàn)狀相符。造成這種現(xiàn)象的直接原因在于，實(shí)證數(shù)據(jù)獲取困難。與人際網(wǎng)絡(luò)、社交網(wǎng)絡(luò)、國(guó)際網(wǎng)絡(luò)等其它形式社會(huì)網(wǎng)絡(luò)、復(fù)雜網(wǎng)絡(luò)相比，獲取描述網(wǎng)絡(luò)結(jié)構(gòu)的長(zhǎng)周期、連續(xù)性組織關(guān)系數(shù)據(jù)的難度更大。此外，與個(gè)體相比，企業(yè)往往不愿意公開(kāi)表達(dá)或者傾向隱瞞對(duì)其它組織的態(tài)度，尤其是負(fù)面態(tài)度。在兩大因素的疊加下，針對(duì)組織間網(wǎng)絡(luò)（inter-organizational network）負(fù)聯(lián)系或符號(hào)網(wǎng)絡(luò)的研究較匱乏。對(duì)此，Stadtfeld等（2020）提出了可行的解決方案，即利用多主體建模仿真方法，將網(wǎng)絡(luò)視為一個(gè)由多個(gè)體構(gòu)成的復(fù)雜自適應(yīng)系統(tǒng)，其結(jié)構(gòu)狀態(tài)是由個(gè)體互動(dòng)與敵視關(guān)系共同作用、自下而上的結(jié)果。Stadtfeld等^[13]通過(guò)變換模型參數(shù)值模擬各種網(wǎng)絡(luò)場(chǎng)景，生成大規(guī)模連續(xù)性關(guān)系數(shù)據(jù)，在一定程度上克服和彌補(bǔ)了實(shí)證數(shù)據(jù)獲取困難的不足。

因此，在研究企業(yè)間創(chuàng)新網(wǎng)絡(luò)相關(guān)問(wèn)題，特別是網(wǎng)絡(luò)演化等動(dòng)態(tài)問(wèn)題時(shí)，有必要將創(chuàng)新網(wǎng)絡(luò)視為一個(gè)符號(hào)網(wǎng)絡(luò)，關(guān)注負(fù)聯(lián)系對(duì)創(chuàng)新個(gè)體網(wǎng)絡(luò)行為及創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)的影響，并考慮應(yīng)用多主體建模仿真方法開(kāi)展研究?，F(xiàn)階段，針對(duì)負(fù)聯(lián)系或符號(hào)網(wǎng)絡(luò)的研究主要建立在Heider于20世紀(jì)40年代提出的“結(jié)構(gòu)平衡”（structural network）理論基礎(chǔ)上。在靜態(tài)結(jié)構(gòu)分析方面，通過(guò)經(jīng)圖論、“弱平衡”，以及有向圖“地位理論”等觀點(diǎn)的補(bǔ)充，已經(jīng)形成相對(duì)完整的符號(hào)網(wǎng)絡(luò)結(jié)構(gòu)分析框架^[6-7]。靜態(tài)網(wǎng)絡(luò)結(jié)構(gòu)分析包括小、中、大3個(gè)尺度，其中，小尺度分析主要采用特征向量中心性、節(jié)點(diǎn)中心性、節(jié)點(diǎn)RageRank值等指標(biāo)度量個(gè)體的網(wǎng)絡(luò)地位；中尺度分析主要關(guān)注符號(hào)網(wǎng)絡(luò)中的結(jié)構(gòu)分割及派系分化現(xiàn)象；大尺度分析重點(diǎn)關(guān)注符號(hào)網(wǎng)絡(luò)平衡性的度量和分析。在動(dòng)態(tài)演化研究方面，主要通過(guò)構(gòu)建各類(lèi)離散時(shí)間模型、連續(xù)時(shí)間模型仿真分析符號(hào)網(wǎng)絡(luò)演化的動(dòng)態(tài)特征^[14]?？傮w來(lái)看，符號(hào)網(wǎng)絡(luò)研究主要是將負(fù)聯(lián)系置于網(wǎng)絡(luò)個(gè)體行為與符號(hào)網(wǎng)絡(luò)結(jié)構(gòu)分析框架下，這種研究思路為引入負(fù)聯(lián)系的創(chuàng)新網(wǎng)絡(luò)研究提供了重要參考。

綜上所述，本研究將聚焦創(chuàng)新網(wǎng)絡(luò)演化問(wèn)題，在現(xiàn)有文獻(xiàn)基礎(chǔ)上，將創(chuàng)新網(wǎng)絡(luò)視為一個(gè)復(fù)雜系統(tǒng)的符號(hào)網(wǎng)絡(luò)，關(guān)注負(fù)聯(lián)系對(duì)創(chuàng)新個(gè)體網(wǎng)絡(luò)行為和創(chuàng)新網(wǎng)絡(luò)演化的影響與作用機(jī)制。首先，本文擬采用多主體建模仿真方法開(kāi)展研究，將企業(yè)間創(chuàng)新網(wǎng)絡(luò)視為一個(gè)由不同企業(yè)個(gè)體交織而形成的復(fù)雜自適應(yīng)系統(tǒng)，其結(jié)構(gòu)演化是企業(yè)網(wǎng)絡(luò)行為推動(dòng)的自下而上的結(jié)果。其次，出于簡(jiǎn)化研究、降低不必要復(fù)雜性等方面的考量，借鑒呂一博等^[15]的研究思路，將創(chuàng)新個(gè)體網(wǎng)絡(luò)行為限定為基于網(wǎng)絡(luò)傳遞性（tradic）機(jī)制的知識(shí)搜索行為。在此基礎(chǔ)上，通過(guò)引入符號(hào)網(wǎng)絡(luò)的結(jié)構(gòu)平衡和動(dòng)態(tài)平衡思想，構(gòu)建創(chuàng)新個(gè)體知識(shí)搜索行為演化分析框架。隨后，構(gòu)建個(gè)體知識(shí)搜索驅(qū)動(dòng)下創(chuàng)新網(wǎng)絡(luò)演化的多主體仿真模型。最后，對(duì)比不同狀態(tài)的仿真結(jié)果，從創(chuàng)新個(gè)體網(wǎng)絡(luò)地位差異和創(chuàng)新網(wǎng)絡(luò)動(dòng)態(tài)結(jié)構(gòu)特征兩個(gè)方面，探討創(chuàng)新網(wǎng)絡(luò)演化過(guò)程中負(fù)聯(lián)系的影響。

1 創(chuàng)新個(gè)體知識(shí)搜索行為分析框架

創(chuàng)新個(gè)體的知識(shí)搜索行為不僅是自身和目標(biāo)對(duì)象相互作用的結(jié)果，往往還受到“中間人（brokers）”的影響^[16]。大量經(jīng)驗(yàn)事實(shí)表明，中間人在激發(fā)組織學(xué)習(xí)、促進(jìn)創(chuàng)新網(wǎng)絡(luò)中的知識(shí)流動(dòng)等方面扮演協(xié)調(diào)人、守門(mén)人和代理人等重要角色^[17]。在傳統(tǒng)的無(wú)符號(hào)網(wǎng)絡(luò)或正網(wǎng)絡(luò)框架下，“中間人”影響下的創(chuàng)新個(gè)體知識(shí)搜索行為會(huì)表現(xiàn)出較顯著的傳遞性（tradic）機(jī)制，即“朋友的朋友是朋友”的三角關(guān)系 ^[18-19]，如圖1（a）所示。

結(jié)構(gòu)平衡理論認(rèn)為，當(dāng)引入負(fù)聯(lián)系或在符號(hào)網(wǎng)絡(luò)框架下，原有相對(duì)穩(wěn)定的傳遞性“三角”會(huì)從原先的“朋友的朋友是朋友”拓展為4種新平衡態(tài)形式，即“朋友的朋友是朋友（FFF）”、“敵人的敵人是朋友（EEF）”、“朋友的敵人是敵人（FEE）”和“敵人的朋友是敵人（EFE）”^[20]。其中，后三種新增平衡態(tài)“三角”關(guān)系如圖1（b）、圖1（c）和1（d）所示。

就企業(yè)知識(shí)搜索行為而言，“朋友的朋友是朋友（FFF）”和“敵人的敵人是朋友（EEF）”兩大機(jī)制決定了基于“中間人”的知識(shí)搜索行為規(guī)則——“誰(shuí)是潛在的合作對(duì)象”、“可以從何處獲取知識(shí)”；而“朋友的敵人是敵人（FEE）”和“敵人的朋友是敵人（EFE）”兩種機(jī)制則會(huì)在企業(yè)知識(shí)搜索過(guò)程中產(chǎn)生“屏蔽”現(xiàn)象——“誰(shuí)是潛在的敵人”、“無(wú)法從其處獲取知識(shí)”。

1.1 知識(shí)搜索行為基本類(lèi)型

FFF機(jī)制廣泛存在于各類(lèi)現(xiàn)實(shí)網(wǎng)絡(luò)中。Fritsch & Kauffeld^[21]對(duì)德國(guó)16個(gè)區(qū)域創(chuàng)新網(wǎng)絡(luò)、近300家企業(yè)的實(shí)地調(diào)查發(fā)現(xiàn)，較高比例的知識(shí)是通過(guò)“中間人”（如客戶(hù)、供應(yīng)商、中介等）的關(guān)系網(wǎng)絡(luò)獲得的。Snijders et al.^[22]、 Robins et al.^[23]認(rèn)為，F(xiàn)FF機(jī)制影響下的個(gè)體知識(shí)搜索行為可以通過(guò)三角關(guān)系環(huán)（triadic closure）形象地展示出來(lái)。呂一博等^[15]在此基礎(chǔ)上，結(jié)合網(wǎng)絡(luò)知識(shí)流動(dòng)與知識(shí)搜索的方向性，進(jìn)一步將知識(shí)搜索行為界定為知識(shí)溯源型搜索、知識(shí)源共享型搜索和擴(kuò)散源共享型搜索3種類(lèi)型。

EEF機(jī)制引發(fā)了創(chuàng)新個(gè)體的第四種結(jié)構(gòu)化搜索行為—“結(jié)盟型搜索”。面臨共同競(jìng)爭(zhēng)對(duì)手的創(chuàng)新個(gè)體之間傾向于形成創(chuàng)新聯(lián)盟以進(jìn)行知識(shí)信息互補(bǔ)，這種結(jié)構(gòu)的搜索行為在現(xiàn)實(shí)世界中大量存在。如互聯(lián)網(wǎng)電商的“騰訊系Vs.阿里系”事例中，騰訊、京東、美團(tuán)等聯(lián)盟合作，共同開(kāi)發(fā)與維護(hù)微信商業(yè)平臺(tái)以對(duì)抗以阿里為首，由淘寶、微博、餓了么等多家互聯(lián)網(wǎng)企業(yè)參與打造的支付寶商業(yè)平臺(tái)。Kirkley等^[24]對(duì)網(wǎng)絡(luò)博弈模型的研究也表明，共同的“敵人”會(huì)促使個(gè)體間更加緊密地聯(lián)盟合作。

因此，本研究將基于中間人的個(gè)體知識(shí)搜索行為劃分為4種基本類(lèi)型，如圖2所示。其中，點(diǎn)i代表知識(shí)搜索主動(dòng)方，點(diǎn)m代表目標(biāo)知識(shí)源，點(diǎn)k代表中間人；實(shí)線(xiàn)代表已有的網(wǎng)絡(luò)聯(lián)系，虛線(xiàn)代表新增的網(wǎng)絡(luò)聯(lián)系；連線(xiàn)箭頭代表知識(shí)搜索方向，負(fù)聯(lián)系無(wú)方向，下同。

（1）知識(shí)溯源型搜索。個(gè)體在知識(shí)搜索中，傾向于與知識(shí)溢出源頭直接建立聯(lián)系。如圖2（a）所示，知識(shí)搜索主動(dòng)方i基于中間人k的“交互二路徑”（multiple two-path）結(jié)構(gòu)，展開(kāi)指向知識(shí)源m的知識(shí)搜索。

（2）知識(shí)源共享型搜索。個(gè)體在知識(shí)搜索中，傾向于與其他具有相似知識(shí)需求屬性的個(gè)體直接建立聯(lián)系。如圖2（b）所示，知識(shí)搜索主動(dòng)方i基于中間人k的“k-入-星”（k-in-star）結(jié)構(gòu)，展開(kāi)指向與其共享知識(shí)源的個(gè)體m的知識(shí)搜索。

（3）擴(kuò)散源共享型搜索。個(gè)體在知識(shí)搜索中，傾向于與其它具有相似知識(shí)溢出屬性的個(gè)體建立直接聯(lián)系。如圖2（c）所示，知識(shí)搜索主動(dòng)方i基于中間人k的“k-出-星”（k-out-star）結(jié)構(gòu)，展開(kāi)指向與其共享擴(kuò)散源的個(gè)體m的知識(shí)搜索。

（4）結(jié)盟型搜索。個(gè)體在知識(shí)搜索中，傾向于與擁有共同競(jìng)爭(zhēng)對(duì)手的個(gè)體直接建立聯(lián)系。如圖2（d）所示，知識(shí)搜索主動(dòng)方i基于中間人k的“交互負(fù)邊”（two negative edges）結(jié)構(gòu)，展開(kāi)指向與其具有共同競(jìng)爭(zhēng)對(duì)手的個(gè)體m的知識(shí)搜索。

1.2 搜索過(guò)程中的“屏蔽”現(xiàn)象

FEE和EFE機(jī)制會(huì)引發(fā)個(gè)體知識(shí)搜索中的“屏蔽”現(xiàn)象。從國(guó)家創(chuàng)新體系層面看，當(dāng)美國(guó)通過(guò)“瓦森納協(xié)議”和“1334號(hào)法令”等對(duì)我國(guó)實(shí)施技術(shù)輸出管制時(shí)，其盟國(guó)也實(shí)施了相同的技術(shù)輸出管制措施。而美國(guó)及其盟國(guó)對(duì)我國(guó)在電信領(lǐng)域技術(shù)準(zhǔn)入的區(qū)別對(duì)待，也印證了個(gè)體知識(shí)搜索中屏蔽現(xiàn)象的普遍存在^[25]。這類(lèi)屏蔽現(xiàn)象的根源在于知識(shí)源搜索與現(xiàn)有穩(wěn)定的符號(hào)網(wǎng)絡(luò)結(jié)構(gòu)產(chǎn)生沖突。

因此，本文研究將基于中間人個(gè)體知識(shí)搜索的屏蔽類(lèi)型，劃分為“Ⅰ型屏蔽”和“Ⅱ型屏蔽”，如圖3所示。其中，雙向箭頭表示創(chuàng)新個(gè)體間存在知識(shí)搜索行為，但不確定誰(shuí)是知識(shí)源、誰(shuí)是主動(dòng)方，或者互為知識(shí)源和搜索主動(dòng)方。

（1）Ⅰ型屏蔽。個(gè)體在知識(shí)搜索中會(huì)受到其盟友競(jìng)爭(zhēng)對(duì)手的排斥，或存在為維持現(xiàn)有同盟關(guān)系而采取主動(dòng)疏遠(yuǎn)盟友競(jìng)爭(zhēng)對(duì)手的現(xiàn)象。如圖3（a）所示，知識(shí)搜索主動(dòng)方i因處于中間人k的“正-k-負(fù)”（positive-k-negative）結(jié)構(gòu)中，而產(chǎn)生與個(gè)體m間的知識(shí)搜索屏蔽現(xiàn)象。

（2）Ⅱ型屏蔽。個(gè)體在知識(shí)搜索中會(huì)受到其競(jìng)爭(zhēng)對(duì)手盟友的排斥，或存在主觀斷絕將其作為知識(shí)搜索對(duì)象的現(xiàn)象。如圖3（b）所示，知識(shí)搜索主動(dòng)方i因處于中間人k的“負(fù)-k-正”（negative-k-positive）結(jié)構(gòu)中，而產(chǎn)生與個(gè)體m間的知識(shí)搜索屏蔽現(xiàn)象。

1.3 個(gè)體知識(shí)搜索行為演化機(jī)制

結(jié)構(gòu)平衡觀點(diǎn)認(rèn)為，局部三角結(jié)構(gòu)的平衡狀態(tài)是存在偶數(shù)條負(fù)聯(lián)系，網(wǎng)絡(luò)演化是趨向整體結(jié)構(gòu)平衡的過(guò)程，網(wǎng)絡(luò)中的局部三角結(jié)構(gòu)具有趨向平衡發(fā)展的態(tài)勢(shì)，如圖4所示。

由創(chuàng)新個(gè)體i、k、m形成的局部三角結(jié)構(gòu)存在兩種非平衡態(tài)，見(jiàn)圖4（a）、圖4（b），實(shí)線(xiàn)表示已有的網(wǎng)絡(luò)聯(lián)系，虛線(xiàn)表示平衡演化后的網(wǎng)絡(luò)聯(lián)系。在局部非均衡態(tài)中，為達(dá)到局部平衡，知識(shí)搜索主動(dòng)方i會(huì)選擇對(duì)k或m進(jìn)行知識(shí)搜索。在局部非均衡態(tài)中，為達(dá)到局部平衡，知識(shí)搜索主動(dòng)方i傾向于選擇兩種知識(shí)搜索行為：①將已有負(fù)聯(lián)系轉(zhuǎn)化為正聯(lián)系；②將已有的正聯(lián)系轉(zhuǎn)化為負(fù)聯(lián)系。

三角結(jié)構(gòu)的局部平衡并不意味著必然導(dǎo)致全網(wǎng)的整體平衡，非平衡態(tài)的動(dòng)態(tài)發(fā)展是網(wǎng)絡(luò)演化常態(tài)^[26]。Hummon &Doreian^[27]及其后續(xù)學(xué)者構(gòu)建的網(wǎng)絡(luò)演化動(dòng)態(tài)平衡模型為基于局部平衡的全網(wǎng)平衡演化研究提供了有效分析思路和理論框架，如圖5所示。

局部創(chuàng)新網(wǎng)絡(luò)G（v， e， s）由創(chuàng)新個(gè)體A、B、C、D、E組成，其中，符號(hào)v表示組成網(wǎng)絡(luò)的點(diǎn)，e表示組成網(wǎng)絡(luò)的邊，s表示邊的“正/負(fù)”屬性。在圖5中，灰色節(jié)點(diǎn)代表知識(shí)搜索主動(dòng)方，實(shí)線(xiàn)代表已有的網(wǎng)絡(luò)聯(lián)系，虛線(xiàn)表示新增的網(wǎng)絡(luò)關(guān)系；雙向箭頭表示創(chuàng)新個(gè)體間存在知識(shí)搜索行為，但不確定誰(shuí)是知識(shí)源、誰(shuí)是主動(dòng)方，或者互為知識(shí)源和搜索主動(dòng)方。在t_n時(shí)點(diǎn)，網(wǎng)絡(luò)G達(dá)到平衡狀態(tài)b_n；在t_n+1時(shí)點(diǎn)，當(dāng)知識(shí)搜索主動(dòng)方A與D建立網(wǎng)絡(luò)聯(lián)系時(shí)，網(wǎng)絡(luò)G的平衡態(tài)被打破。因此在t_n+2時(shí)點(diǎn)，A傾向于兩種搜索行為：①將與D間的正聯(lián)系轉(zhuǎn)化為負(fù)聯(lián)系，網(wǎng)絡(luò)G達(dá)到新的平衡狀態(tài)b_n+1；②將與C間的正聯(lián)系轉(zhuǎn)化為負(fù)聯(lián)系，網(wǎng)絡(luò)G達(dá)到局部平衡狀態(tài)b_n+2。

2 創(chuàng)新網(wǎng)絡(luò)演化模型構(gòu)建與仿真設(shè)置

2.1 模型抽象與假設(shè)

創(chuàng)新網(wǎng)絡(luò)是由創(chuàng)新主體間廣泛、復(fù)雜的非線(xiàn)性關(guān)系交織形成的復(fù)雜網(wǎng)絡(luò)，其發(fā)展演化的基本驅(qū)動(dòng)力是創(chuàng)新個(gè)體的知識(shí)搜索行為^[28]，其發(fā)展演化具體表現(xiàn)為創(chuàng)新個(gè)體變遷以及不同個(gè)體間的關(guān)系變遷。其中，創(chuàng)新個(gè)體變遷是指創(chuàng)新網(wǎng)絡(luò)中的“進(jìn)入—退出”現(xiàn)象以及個(gè)體網(wǎng)絡(luò)地位變化；個(gè)體間的關(guān)系變遷則是指網(wǎng)絡(luò)聯(lián)系變化與網(wǎng)絡(luò)拓?fù)涞母淖?。在本研究?gòu)建的多主體仿真模型中，創(chuàng)新網(wǎng)絡(luò)中的“進(jìn)入-退出”現(xiàn)象反映為網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量的變化；個(gè)體間的關(guān)系變遷表現(xiàn)為網(wǎng)絡(luò)中聯(lián)系數(shù)目與符號(hào)的變化，并反映在網(wǎng)絡(luò)拓?fù)涞母淖兩稀Ｍ瑫r(shí)，根據(jù)種群生態(tài)學(xué)的相關(guān)研究，成熟的創(chuàng)新網(wǎng)絡(luò)中個(gè)體數(shù)量會(huì)維持相對(duì)穩(wěn)定^[29]，因此創(chuàng)新網(wǎng)絡(luò)存在個(gè)體數(shù)量的增長(zhǎng)上限。為重點(diǎn)分析負(fù)聯(lián)系對(duì)知識(shí)搜索驅(qū)動(dòng)下創(chuàng)新網(wǎng)絡(luò)演化的影響，本文對(duì)構(gòu)建的仿真模型作出如下條件約束：

約束1：創(chuàng)新網(wǎng)絡(luò)處于相對(duì)穩(wěn)態(tài)的環(huán)境中，個(gè)體知識(shí)搜索行為是其發(fā)展演化的主要驅(qū)動(dòng)力；

約束2：創(chuàng)新網(wǎng)絡(luò)設(shè)定為由同質(zhì)創(chuàng)新個(gè)體構(gòu)成，個(gè)體間差異主要表現(xiàn)為網(wǎng)絡(luò)地位差異；

約束3：創(chuàng)新網(wǎng)絡(luò)中個(gè)體數(shù)量隨時(shí)間推移遞增，但存在一個(gè)增長(zhǎng)極限規(guī)模；

約束4：創(chuàng)新網(wǎng)絡(luò)設(shè)置為一個(gè)有向符號(hào)網(wǎng)絡(luò)，負(fù)聯(lián)系無(wú)方向，即“厭惡”是相互的——若個(gè)體A“厭惡”個(gè)體B，那么B對(duì)A也持相同態(tài)度， AB之間不存在搜索行為，沒(méi)有知識(shí)流動(dòng)。

2.2 仿真模型初始狀態(tài)與演化規(guī)則設(shè)置

為重點(diǎn)分析負(fù)聯(lián)系對(duì)創(chuàng)新網(wǎng)絡(luò)演化的影響，分別構(gòu)建存在負(fù)聯(lián)系和無(wú)負(fù)聯(lián)系兩類(lèi)創(chuàng)新網(wǎng)絡(luò)演化的仿真模型，分別記為S₁和S₂，對(duì)其仿真結(jié)果進(jìn)行對(duì)比分析，考察負(fù)聯(lián)系對(duì)創(chuàng)新網(wǎng)絡(luò)演化的影響。

2.2.1 網(wǎng)絡(luò)初始結(jié)構(gòu)設(shè)置

大量研究證實(shí)，長(zhǎng)期的網(wǎng)絡(luò)演化結(jié)果與網(wǎng)絡(luò)初始狀態(tài)無(wú)關(guān)，僅受網(wǎng)絡(luò)個(gè)體行為的作用^{[15， 30]}。故本文將創(chuàng)新網(wǎng)絡(luò)的初始結(jié)構(gòu)I，設(shè)定為由N₀個(gè)同質(zhì)節(jié)點(diǎn)隨機(jī)建立連接而形成的一個(gè)不完全網(wǎng)絡(luò)。其中，網(wǎng)絡(luò)節(jié)點(diǎn)設(shè)定為單一屬性，網(wǎng)絡(luò)聯(lián)系設(shè)定為單位強(qiáng)度，若節(jié)點(diǎn)間不存在正聯(lián)系形成的“捷徑”，則二者距離定義為+∞。特別的，在模型S₁中，正負(fù)聯(lián)系的發(fā)生概率分別設(shè)定為p和（1-p）。

2.2.2 網(wǎng)絡(luò)演化規(guī)則設(shè)置

創(chuàng)新網(wǎng)絡(luò)中網(wǎng)絡(luò)節(jié)點(diǎn)的數(shù)量上限設(shè)定為N，存在T_m個(gè)演化階段（m=1，2…，w），b₁、b₂、b₃和b₄分別代表溯源型、知識(shí)源共享型、擴(kuò)散源共享型以及結(jié)盟型知識(shí)搜索行為。仿真模型演化規(guī)則具體設(shè)置如下：

第一， 網(wǎng)絡(luò)節(jié)點(diǎn)增長(zhǎng)規(guī)則：當(dāng)網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)小于N時(shí)，每個(gè)演化階段新增n個(gè)節(jié)點(diǎn)；當(dāng)網(wǎng)絡(luò)中節(jié)點(diǎn)總數(shù)達(dá)到N時(shí)，停止新增節(jié)點(diǎn)。

第二， 網(wǎng)絡(luò)聯(lián)系增長(zhǎng)規(guī)則：每個(gè)演化階段新增e條聯(lián)系。在模型S₁中，聯(lián)系增長(zhǎng)規(guī)則b∈（b₁，b₂，b₃，b₄），并遵循動(dòng)態(tài)平衡演化機(jī)制；在模型S₂中，聯(lián)系增長(zhǎng)規(guī)則b∈（b₁，b₂，b₃）。

第三， 當(dāng)演化階段達(dá)到T_w時(shí)，網(wǎng)絡(luò)演化結(jié)束。

2.2.3 仿真模型常數(shù)參數(shù)設(shè)置

對(duì)涉及模型初始狀態(tài)的6個(gè)主要常數(shù)參數(shù)，本研究設(shè)置如表1所示。其中，參數(shù)N₀、n 與N的數(shù)值設(shè)置借鑒呂一博等^[31]關(guān)于集群網(wǎng)絡(luò)增長(zhǎng)模型的研究。參數(shù)e、w的數(shù)值設(shè)置借鑒Stadtfeld等 ^[12]基于實(shí)證數(shù)據(jù)構(gòu)建的符號(hào)社會(huì)網(wǎng)絡(luò)演化模型設(shè)置。

2.3 指標(biāo)參數(shù)

創(chuàng)新網(wǎng)絡(luò)是一個(gè)有向符號(hào)網(wǎng)絡(luò)，故測(cè)度指標(biāo)選擇應(yīng)考慮其對(duì)有向網(wǎng)絡(luò)和符號(hào)網(wǎng)絡(luò)的適用性。目前，針對(duì)有向網(wǎng)絡(luò)和無(wú)符號(hào)網(wǎng)絡(luò)結(jié)構(gòu)的評(píng)價(jià)指標(biāo)體系研究日趨成熟，而針對(duì)符號(hào)網(wǎng)絡(luò)結(jié)構(gòu)的指標(biāo)開(kāi)發(fā)和研究則剛起步，這一方面導(dǎo)致傳統(tǒng)指標(biāo)無(wú)法延續(xù)測(cè)度意義，另一方面可能造成部分甚至全部的負(fù)聯(lián)系信息遺失^[32-34]。如何定位負(fù)聯(lián)系的作用與意義，合理處理正負(fù)聯(lián)系之間的作用關(guān)系，是創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)分析的關(guān)鍵和難點(diǎn)。

本文關(guān)注的問(wèn)題是負(fù)聯(lián)系對(duì)創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)演化的影響和作用機(jī)制，而非負(fù)聯(lián)系本身。因此，借鑒Schuler（2021）的思路，將負(fù)聯(lián)系視為不可見(jiàn)聯(lián)系，在分析網(wǎng)絡(luò)結(jié)構(gòu)時(shí)，選用傳統(tǒng)經(jīng)典指標(biāo)——忽略負(fù)聯(lián)系，對(duì)比分析符號(hào)網(wǎng)絡(luò)S₁和無(wú)符號(hào)網(wǎng)絡(luò)S₂的正聯(lián)系拓?fù)浣Y(jié)構(gòu)特征。

（1）在考察創(chuàng)新個(gè)體網(wǎng)絡(luò)地位時(shí)，主要選擇節(jié)點(diǎn)中心度指標(biāo)進(jìn)行測(cè)度。具體來(lái)說(shuō)，采用度數(shù)中心度（Degree）考察節(jié)點(diǎn)活躍性，采用接近中心度（Closeness）考察節(jié)點(diǎn)對(duì)網(wǎng)絡(luò)的依賴(lài)程度，采用中間中心度（Betweenness）考察節(jié)點(diǎn)在網(wǎng)絡(luò)中的控制力水平。

（2）在考察創(chuàng)新網(wǎng)絡(luò)動(dòng)態(tài)結(jié)構(gòu)特征時(shí)，主要選擇聚集系數(shù)C、平均路長(zhǎng)L、E-I分派指數(shù)和網(wǎng)絡(luò)互惠性R進(jìn)行分析。其中，節(jié)點(diǎn)聚集系數(shù)的計(jì)算公式為：

式中，k_i為節(jié)點(diǎn)i的網(wǎng)絡(luò)聯(lián)系數(shù)目，E_i為k_i個(gè)節(jié)點(diǎn)間實(shí)際存在的邊數(shù)，N為網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)。特別地，當(dāng)k_i=0或1時(shí)，C_i=0。

網(wǎng)絡(luò)聚集系數(shù)為：

式中，C∈[0， 1]，C=0當(dāng)且僅當(dāng)節(jié)點(diǎn)均為孤立點(diǎn)；C=1當(dāng)且僅當(dāng)網(wǎng)絡(luò)是全局耦合的，即網(wǎng)絡(luò)中任意兩個(gè)節(jié)點(diǎn)都是直接相連。

有向網(wǎng)絡(luò)中平均路長(zhǎng)的計(jì)算式為：

式中，d_i→j表示節(jié)點(diǎn)i到j(luò)的距離，N為網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)。

分派指數(shù)E-I的計(jì)算式為：

式中，EL表示子群體間的聯(lián)系數(shù)，IL表示子群體內(nèi)的聯(lián)系數(shù)。

網(wǎng)絡(luò)互惠性計(jì)算公式為：

R=L^?L（5）

式中，L^?表示網(wǎng)絡(luò)中雙向聯(lián)系的邊數(shù)；L表示網(wǎng)絡(luò)中全部邊數(shù)。

3 仿真結(jié)果輸出與分析

針對(duì)構(gòu)建的存在負(fù)聯(lián)系和無(wú)負(fù)聯(lián)系兩種知識(shí)搜索驅(qū)動(dòng)的創(chuàng)新網(wǎng)絡(luò)多主體仿真模型S₁與S₂，分別在嵌套JUNG工具包的Java編程語(yǔ)言集成開(kāi)發(fā)環(huán)境Eclipse平臺(tái)上進(jìn)行仿真模擬。工具包JUNG的全稱(chēng)是“Java Universal Network/Graph framework”，是利用Java語(yǔ)言編寫(xiě)的網(wǎng)絡(luò)圖算法與可視化的開(kāi)源工具包項(xiàng)目，其目的是為開(kāi)發(fā)關(guān)于圖或網(wǎng)絡(luò)結(jié)構(gòu)的應(yīng)用程序提供易用、通用的基礎(chǔ)架構(gòu)^[34]。在Eclipse平臺(tái)上，利用Java語(yǔ)言調(diào)用JUNG工具包的各種功能，可以方便地構(gòu)造圖或網(wǎng)絡(luò)的數(shù)據(jù)結(jié)構(gòu)，應(yīng)用經(jīng)典算法，如聚類(lèi)、最短路徑、最大流量等，編寫(xiě)和測(cè)試用戶(hù)自己的算法以及可視化數(shù)據(jù)網(wǎng)絡(luò)圖。

將S₁和S₂網(wǎng)絡(luò)模型各自運(yùn)行100次，對(duì)輸出結(jié)果取均值進(jìn)行分析。兩種狀態(tài)的創(chuàng)新網(wǎng)絡(luò)拓?fù)溲莼抡孑敵鼋Y(jié)果如圖6所示。其中，T_i（N_i， E₊， E_－）代表演化階段，N_i為節(jié)點(diǎn)數(shù)，E_i+為正聯(lián)系數(shù)，E_i－為負(fù)聯(lián)系數(shù)，圖中所示為100次仿真結(jié)果的均值。由于S₂狀態(tài)下不存在負(fù)聯(lián)系，故E_i－取值恒為0。

3.1 創(chuàng)新個(gè)體的網(wǎng)絡(luò)地位差異

3.1.1 度數(shù)中心度分布——?jiǎng)?chuàng)新個(gè)體活躍性

節(jié)點(diǎn)的度數(shù)中心度（以下簡(jiǎn)稱(chēng)“度值”）反映其參與網(wǎng)絡(luò)活動(dòng)的積極性。在創(chuàng)新網(wǎng)絡(luò)中，由于知識(shí)具有流動(dòng)性，網(wǎng)絡(luò)聯(lián)系是有方向的，所以對(duì)個(gè)體度值需要從入度（in-degree）和出度（out-degree）兩個(gè)方面考察。在本研究中，創(chuàng)新個(gè)體的知識(shí)搜索方向與知識(shí)流相反，出向箭頭表示個(gè)體搜索外部知識(shí)，入向箭頭表示個(gè)體對(duì)外輸出知識(shí)。

創(chuàng)新網(wǎng)絡(luò)的度值分布情況如圖7所示。從中可以觀察到，S₁網(wǎng)絡(luò)的度值分布范圍較窄，超過(guò)97%的個(gè)體入度和出度分布在[1， 10]與[1，8]的離散區(qū)間內(nèi)；而在S₂網(wǎng)絡(luò)中，個(gè)體的入度和出度分別分布在[0， 26]與[0， 20]的離散區(qū)間內(nèi)，具有明顯的“長(zhǎng)尾”特征。創(chuàng)新個(gè)體的度數(shù)中心度分布結(jié)果表明，負(fù)聯(lián)系會(huì)普遍削弱創(chuàng)新個(gè)體在整體網(wǎng)絡(luò)中的活躍性，但同時(shí)也縮小了不同個(gè)體間的創(chuàng)新活躍性差距。

3.1.2 接近中心度分布——?jiǎng)?chuàng)新個(gè)體依賴(lài)性

接近中心度（以下簡(jiǎn)稱(chēng)為“接近度”）表示點(diǎn)到達(dá)整個(gè)網(wǎng)絡(luò)其它所有節(jié)點(diǎn)的難易程度以及其對(duì)網(wǎng)絡(luò)的依賴(lài)性。在創(chuàng)新網(wǎng)絡(luò)中，個(gè)體的接近度值越大，表明其與網(wǎng)絡(luò)其它成員越接近，通信效率越高，同時(shí)也暗示其對(duì)網(wǎng)絡(luò)的依賴(lài)性越大。

圖8展示了創(chuàng)新網(wǎng)絡(luò)接近度分布情況。從中可以觀察到，從整體來(lái)看，S₁網(wǎng)絡(luò)的接近度分布曲線(xiàn)類(lèi)似于S₂曲線(xiàn)向左平移。具體來(lái)看，在S₁網(wǎng)絡(luò)中，約80%創(chuàng)新個(gè)體的接近度集中分布在（0.1， 0.4]內(nèi)。其中，9.59%分布在（0.1， 0.2]內(nèi)，57.19%分布在（0.2， 0.3]內(nèi)，14.05%分布在（0.3， 0.4]內(nèi)。而在S₂網(wǎng)絡(luò)中，接近90%創(chuàng)新個(gè)體的接近度集中分布在（0.3，0.5]內(nèi)。其中，51.73%在（0.3， 0.4]內(nèi)，37.39%分布在（0.4， 0.5]內(nèi)。創(chuàng)新個(gè)體的接近中心度分布情況表明，負(fù)聯(lián)系會(huì)減小節(jié)創(chuàng)新個(gè)體的接近度值，削弱其對(duì)整體網(wǎng)絡(luò)的依賴(lài)程度。

3.1.3 中間中心度分布——?jiǎng)?chuàng)新個(gè)體的控制能力

中間中心度（以下簡(jiǎn)稱(chēng)為“中間度”）反映了節(jié)點(diǎn)在網(wǎng)絡(luò)中對(duì)其余節(jié)點(diǎn)的控制能力，其值在[0， 1]內(nèi)。在創(chuàng)新網(wǎng)絡(luò)中，個(gè)體中間度反映其對(duì)其它成員知識(shí)信息流動(dòng)的控制力，當(dāng)中間度為0時(shí)，意味著該個(gè)體無(wú)法影響其它成員間的知識(shí)交流；如果為1，則表明其完全掌控了網(wǎng)絡(luò)中的知識(shí)流動(dòng)。

圖9展示了網(wǎng)絡(luò)的中間中心度分布情況，從中可以觀察到，中間度值普遍偏小，即創(chuàng)新個(gè)體對(duì)整體網(wǎng)絡(luò)控制乏力。剔除[0， 10^-2]的極低值范圍，僅以（10^-2， 10⁰]的中間度值分布為分析對(duì)象。在（10^-2， 10^-1]內(nèi)，S₁網(wǎng)絡(luò)的中間度布曲線(xiàn)在S₂的下方，而在（10^-1， 10⁰]內(nèi)曲線(xiàn)位置反轉(zhuǎn)。其中，S₁和S₂在（10^-2， 10^-1]內(nèi)，分別分布了47.94%和55.91%的創(chuàng)新個(gè)體；在（10^-1， 10⁰]內(nèi)，分別分布了10.78%和4.13%的創(chuàng)新個(gè)體。節(jié)點(diǎn)中間中心度的分布情況表明，絕大部分創(chuàng)新個(gè)體對(duì)網(wǎng)絡(luò)中知識(shí)流動(dòng)與信息傳遞的控制力較弱，只有少數(shù)節(jié)點(diǎn)具有一定掌控能力。在S₁網(wǎng)絡(luò)中，具有一定控制力的節(jié)點(diǎn)數(shù)目是S₂網(wǎng)絡(luò)的2倍以上，意味著負(fù)聯(lián)系會(huì)分散創(chuàng)新網(wǎng)絡(luò)的控制權(quán)，有助于緩解知識(shí)與信息壟斷現(xiàn)象。

3.2 創(chuàng)新網(wǎng)絡(luò)演化的動(dòng)態(tài)結(jié)構(gòu)特征

3.2.1 聚集系數(shù)C和平均路長(zhǎng)L——網(wǎng)絡(luò)整體小世界結(jié)構(gòu)與凝聚性

“小世界”是對(duì)網(wǎng)絡(luò)凝聚性的形象描述，具有小世界結(jié)構(gòu)特征的網(wǎng)絡(luò)往往擁有較大的聚集系數(shù)和較小的平均路長(zhǎng)^[35]。圖10與圖11分別展示了S₁網(wǎng)絡(luò)和S₂網(wǎng)絡(luò)的聚集系數(shù)以及平均路長(zhǎng)變化情況。從中可以觀察到，負(fù)聯(lián)系對(duì)聚集系數(shù)和平均路長(zhǎng)具有顯著影響。具體來(lái)看，S₁網(wǎng)絡(luò)的聚集系數(shù)值始終低于S₂網(wǎng)絡(luò)，除網(wǎng)絡(luò)早期形成階段外，在創(chuàng)新個(gè)體穩(wěn)步增長(zhǎng)的過(guò)程中，二者聚集系數(shù)的差值相對(duì)穩(wěn)定；當(dāng)個(gè)體數(shù)目飽和（T₁₉）后，差值開(kāi)始逐漸變大。平均路長(zhǎng)則恰好相反，在網(wǎng)絡(luò)演化過(guò)程的絕大部分時(shí)間里（T₁～T₄₆），S₁網(wǎng)絡(luò)的平均路長(zhǎng)數(shù)值高于S₂網(wǎng)絡(luò)。聚集系數(shù)和平均路長(zhǎng)的變化趨勢(shì)表明，隨著創(chuàng)新個(gè)體間廣泛而頻繁的交流互動(dòng)，創(chuàng)新網(wǎng)絡(luò)的小世界特征愈發(fā)顯著，網(wǎng)絡(luò)凝聚力不斷增強(qiáng)。這與社會(huì)網(wǎng)絡(luò)的代表性研究人物——Coleman（1988）、Moody（2004）的研究觀點(diǎn)相似，即網(wǎng)絡(luò)凝聚力源自個(gè)體互動(dòng)過(guò)程中建立的正聯(lián)系^[36-37]。

3.2.2 互惠性R——網(wǎng)絡(luò)平等性

互惠性一方面反映了網(wǎng)絡(luò)中知識(shí)雙向流動(dòng)的自由度，較高的互惠性意味著創(chuàng)新個(gè)體普遍參與網(wǎng)絡(luò)知識(shí)創(chuàng)造、轉(zhuǎn)移和擴(kuò)散。另一方面，互惠性在一定程度上衡量了網(wǎng)絡(luò)內(nèi)聯(lián)系雙方地位的平等性，互惠性越高，創(chuàng)新個(gè)體間越平等，越有利于個(gè)體開(kāi)展知識(shí)搜索活動(dòng)及提高實(shí)施效果。圖12展示了創(chuàng)新網(wǎng)絡(luò)的互惠性變化情況。從中可以觀察到，隨著演化的推進(jìn)，S₁與S₂網(wǎng)絡(luò)均保持了相對(duì)穩(wěn)定的互惠性。具體來(lái)看，在經(jīng)歷了短暫的劇烈震蕩后，S₁的互惠性明顯高于S₂——前者的網(wǎng)絡(luò)互惠性近似于后者的2倍。網(wǎng)絡(luò)互惠性變化趨勢(shì)表明，負(fù)聯(lián)系會(huì)使創(chuàng)新個(gè)體間地位更加平等。此外，網(wǎng)絡(luò)中心度分布情況也與此相似。

3.2.3 分派指數(shù)E-I——網(wǎng)絡(luò)派系特征

圖13顯示了創(chuàng)新網(wǎng)絡(luò)分派指數(shù)的變化情況。從中可以觀察到，在演化過(guò)程中，網(wǎng)絡(luò)S₁與S₂分派指數(shù)差異明顯，即二者表現(xiàn)出不同的派系特征。具體來(lái)看，在經(jīng)歷早期短暫的震蕩之后，網(wǎng)絡(luò)S₂存在一定的派系現(xiàn)象，其分派指數(shù)值在相當(dāng)長(zhǎng)的演化時(shí)間內(nèi)（T₁₂～T₃₅時(shí)間階段，21個(gè)時(shí)間步內(nèi)）圍繞-0.35小幅波動(dòng)。而在演化中晚期階段，在T₃₅～T₅₀時(shí)間范圍內(nèi)開(kāi)始逐漸增大，并不斷向0值靠攏。這表明在網(wǎng)絡(luò)S₂中不同派系間彼此融合，網(wǎng)絡(luò)逐步向一體化趨勢(shì)發(fā)展。相較于網(wǎng)絡(luò)S₂，網(wǎng)絡(luò)S₁則一直維持鮮明的派系特征，其分派指數(shù)值一直在-0.6附近小幅震蕩。分派指數(shù)E-I的變化趨勢(shì)表明，負(fù)聯(lián)系不僅會(huì)加劇創(chuàng)新網(wǎng)絡(luò)中的派系分化現(xiàn)象，還會(huì)抑制派系間彼此融合。

4 仿真結(jié)果討論

通過(guò)上述分析可知，負(fù)聯(lián)系對(duì)創(chuàng)新網(wǎng)絡(luò)網(wǎng)絡(luò)結(jié)構(gòu)演化的影響主要體現(xiàn)在三方面：一是在負(fù)聯(lián)系的影響下，創(chuàng)新個(gè)體間的地位差距會(huì)縮小，地位相對(duì)平等，具體表現(xiàn)為演化末期個(gè)體的中心度集中分布區(qū)間變窄，以及演化過(guò)程中創(chuàng)新網(wǎng)絡(luò)表現(xiàn)出較高的互惠性（R）；二是負(fù)聯(lián)系會(huì)抑制網(wǎng)絡(luò)整體的小世界現(xiàn)象，降低網(wǎng)絡(luò)凝聚力，具體表現(xiàn)為數(shù)值較低、增幅緩慢的聚集系數(shù)（C），以及較大的平均路長(zhǎng)（L）；三是負(fù)聯(lián)系會(huì)加劇創(chuàng)新網(wǎng)絡(luò)的派系分化現(xiàn)象，阻礙派系間融合，具體表現(xiàn)為長(zhǎng)期在-0.6附近小幅浮動(dòng)的分派指數(shù)（E-I）數(shù)值。上述3種影響效果之間存在一定關(guān)聯(lián)性，需要進(jìn)一步討論負(fù)聯(lián)系對(duì)創(chuàng)新網(wǎng)絡(luò)的影響和作用機(jī)制。

從個(gè)體層面來(lái)看，當(dāng)創(chuàng)新網(wǎng)絡(luò)中存在負(fù)聯(lián)系時(shí)，創(chuàng)新個(gè)體關(guān)系不再是簡(jiǎn)單的互動(dòng)或陌生。創(chuàng)新個(gè)體在合作伙伴選擇上存在明顯的“喜惡”偏好，這決定了其所在的“圈子”和不能融入的“圈子”，因此網(wǎng)絡(luò)關(guān)系會(huì)呈現(xiàn)出較為明顯的派系特征。值得注意的是，雖然以往研究也提到了網(wǎng)絡(luò)中的“物以類(lèi)聚”“人以群分”的派系現(xiàn)象，但絕大多數(shù)都是建立在無(wú)符號(hào)網(wǎng)絡(luò)的假設(shè)基礎(chǔ)上，弱化或忽視了負(fù)聯(lián)系的影響和作用機(jī)制。實(shí)際上，按照以往的模型假設(shè)，當(dāng)個(gè)體數(shù)目達(dá)到上限值之后，網(wǎng)絡(luò)會(huì)朝向一體化趨勢(shì)發(fā)展，并最終演化成為一個(gè)“烏托邦”式的完全連接的網(wǎng)絡(luò)，即成員間彼此都是朋友和伙伴，圖12展示的網(wǎng)絡(luò)S₂中E-I曲線(xiàn)的變化趨勢(shì)呼應(yīng)了這個(gè)推論，而這顯然與現(xiàn)實(shí)中的創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)情況不符。因此，負(fù)聯(lián)系與正聯(lián)系共同決定網(wǎng)絡(luò)派系特征。

當(dāng)創(chuàng)新個(gè)體存在明顯的喜惡偏好時(shí)，其會(huì)更加依賴(lài)派系內(nèi)的知識(shí)交流，同時(shí)，屏蔽派系外，尤其是敵對(duì)派系的知識(shí)。此時(shí)，創(chuàng)新個(gè)體對(duì)派系的依賴(lài)性更強(qiáng)，知識(shí)搜索行為主要發(fā)生在派系內(nèi)而非派系間，派系內(nèi)個(gè)體同時(shí)扮演知識(shí)搜索者與輸出者/擴(kuò)散者的概率大增，個(gè)體間聯(lián)系更為緊密。具體表現(xiàn)為派系內(nèi)新聯(lián)系和具有雙向知識(shí)流動(dòng)的關(guān)系數(shù)目大幅增加，派系的平均路長(zhǎng)縮短和互惠性提升，進(jìn)而導(dǎo)致網(wǎng)絡(luò)整體的平均路長(zhǎng)快速下降（如圖10的T₁₉～T₅₀段所示），以及整體互惠性的提升，如圖11所示。在這種情況下，派系內(nèi)會(huì)表現(xiàn)出較強(qiáng)凝聚力，網(wǎng)絡(luò)的局部小世界現(xiàn)象較為明顯，而這與傳統(tǒng)觀點(diǎn)——網(wǎng)絡(luò)凝聚力取決于正聯(lián)系存在一定偏差。綜合前述分析結(jié)果，可以推斷負(fù)聯(lián)系對(duì)創(chuàng)新網(wǎng)絡(luò)凝聚力和小世界現(xiàn)象的影響及作用機(jī)制是復(fù)雜的。一方面，負(fù)聯(lián)系會(huì)通過(guò)抑制網(wǎng)絡(luò)正聯(lián)系、增強(qiáng)拓?fù)湫裕▓D5），從而削弱創(chuàng)新個(gè)體間的凝聚程度，弱化創(chuàng)新網(wǎng)絡(luò)整體的小世界結(jié)構(gòu)特征。另一方面，由于負(fù)聯(lián)系的存在，個(gè)體對(duì)派系的依賴(lài)性增大，進(jìn)而促使派系內(nèi)個(gè)體間聯(lián)系更緊密，從而導(dǎo)致派系內(nèi)的凝聚力和小世界現(xiàn)象更顯著。

5 結(jié)論與展望

5.1 研究結(jié)論

本研究在現(xiàn)有文獻(xiàn)基礎(chǔ)上，將創(chuàng)新網(wǎng)絡(luò)視為一個(gè)復(fù)雜系統(tǒng)的符號(hào)網(wǎng)絡(luò)，其結(jié)構(gòu)演化是由創(chuàng)新個(gè)體網(wǎng)絡(luò)行為推動(dòng)的自下而上過(guò)程。首先，出于簡(jiǎn)化研究、降低復(fù)雜性等方面考量，借鑒呂一博等（2014）的研究思路，將創(chuàng)新個(gè)體網(wǎng)絡(luò)行為限定為知識(shí)搜索行為。在此基礎(chǔ)上，通過(guò)引入符號(hào)網(wǎng)絡(luò)的結(jié)構(gòu)平衡和動(dòng)態(tài)平衡思想，構(gòu)建創(chuàng)新個(gè)體知識(shí)搜索行為的演化分析框架，將創(chuàng)新個(gè)體的知識(shí)搜索行為界定為知識(shí)溯源型搜索、知識(shí)源共享型搜索、擴(kuò)散源共享型搜索和結(jié)盟型搜索4種基本類(lèi)型，并識(shí)別了知識(shí)搜索過(guò)程中的“Ⅰ型屏蔽”和“Ⅱ型屏蔽”現(xiàn)象，分析了知識(shí)搜索行為的動(dòng)態(tài)演化機(jī)制。隨后，自下而上地構(gòu)建創(chuàng)新網(wǎng)絡(luò)演化的多主體仿真模型，研究負(fù)聯(lián)系對(duì)創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)演化的影響和作用規(guī)律，獲得如下研究結(jié)果：

（1） 負(fù)聯(lián)系會(huì)縮小創(chuàng)新個(gè)體間的地位差距，使個(gè)體地位更加平等，進(jìn)而促進(jìn)創(chuàng)新個(gè)體更加踴躍積極地參與網(wǎng)絡(luò)知識(shí)創(chuàng)造、轉(zhuǎn)移和擴(kuò)散過(guò)程。

（2）負(fù)聯(lián)系會(huì)使創(chuàng)新網(wǎng)絡(luò)始終保持鮮明的派系特征，并阻礙派系間融合，使創(chuàng)新個(gè)體更加依賴(lài)于其所在的派系。

（3）與現(xiàn)有絕大多數(shù)文獻(xiàn)的觀點(diǎn)和結(jié)論不同，本文研究結(jié)果顯示，創(chuàng)新網(wǎng)絡(luò)的凝聚性不僅取決于創(chuàng)新個(gè)體交流互動(dòng)過(guò)程中建立的正聯(lián)系，還受到負(fù)聯(lián)系的復(fù)雜影響。具體地，一方面，負(fù)聯(lián)系會(huì)通過(guò)抑制網(wǎng)絡(luò)正聯(lián)系、增強(qiáng)拓?fù)湫裕瑥亩魅鮿?chuàng)新個(gè)體間的凝聚程度，弱化創(chuàng)新網(wǎng)絡(luò)整體的小世界結(jié)構(gòu)特征；另一方面，由于負(fù)聯(lián)系的存在，個(gè)體對(duì)派系的依賴(lài)程度增大，進(jìn)而使派系內(nèi)的個(gè)體間聯(lián)系更緊密，從而導(dǎo)致派系內(nèi)的凝聚力和小世界現(xiàn)象更顯著。

5.2 理論貢獻(xiàn)

與人際網(wǎng)絡(luò)、社交網(wǎng)絡(luò)、國(guó)際網(wǎng)絡(luò)等其它形式的社會(huì)網(wǎng)絡(luò)、復(fù)雜網(wǎng)絡(luò)相似，負(fù)聯(lián)系也廣泛存在于組織創(chuàng)新網(wǎng)絡(luò)中，在解釋創(chuàng)新個(gè)體網(wǎng)絡(luò)行為、創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)演化等方面具有不可忽視的作用。與前幾類(lèi)網(wǎng)絡(luò)相比，具有長(zhǎng)周期、連續(xù)性的組織關(guān)系數(shù)據(jù)獲取難度較大，因此現(xiàn)階段鮮有研究將組織間創(chuàng)新網(wǎng)絡(luò)視為符號(hào)網(wǎng)絡(luò)，而考察符號(hào)創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)演化的探索則更為稀缺。在此情況下，本文聚焦負(fù)聯(lián)系影響下的創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)演化特征與規(guī)律，在一定程度上豐富和發(fā)展了社會(huì)網(wǎng)絡(luò)、復(fù)雜網(wǎng)絡(luò)領(lǐng)域的符號(hào)網(wǎng)絡(luò)研究以及創(chuàng)新管理領(lǐng)域的創(chuàng)新網(wǎng)絡(luò)研究，充分體現(xiàn)了本研究的理論貢獻(xiàn)。

具體地，第一，區(qū)別于經(jīng)典的實(shí)證研究或問(wèn)卷調(diào)查范式，本研究采用多主體建模仿真方法研究負(fù)聯(lián)系對(duì)創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)演化的影響，為引入負(fù)聯(lián)系或符號(hào)網(wǎng)絡(luò)框架下的創(chuàng)新網(wǎng)絡(luò)研究提供了新的研究思路和研究視角；第二，本研究通過(guò)引入符號(hào)網(wǎng)絡(luò)的結(jié)構(gòu)平衡和動(dòng)態(tài)平衡思想，將企業(yè)知識(shí)搜索行為界定為知識(shí)溯源型搜索、知識(shí)源共享型搜索、擴(kuò)散源共享型搜索和結(jié)盟型搜索4種基本類(lèi)型，豐富了知識(shí)搜索研究；第三，基于四類(lèi)知識(shí)搜索行為，本研究構(gòu)建了負(fù)聯(lián)系影響下的企業(yè)間創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)演化多主體仿真模型，豐富了多主體建模仿真方法在創(chuàng)新網(wǎng)絡(luò)、社會(huì)網(wǎng)絡(luò)和復(fù)雜網(wǎng)絡(luò)領(lǐng)域的應(yīng)用。

5.3 研究局限與展望

需要特別指出的是，由于研究問(wèn)題的復(fù)雜性、仿真與現(xiàn)實(shí)還原等方面的限制，本研究在以下兩個(gè)方面尚存在局限：

首先，創(chuàng)新個(gè)體存在多種典型網(wǎng)絡(luò)行為，例如基于互惠（reciprocity）機(jī)制的重復(fù)—雙向連接、基于傳遞性（transitivity）機(jī)制的中間人—三角環(huán)連接、基于聲望（popularity）機(jī)制的偏好連接等，每個(gè)基本類(lèi)型又下轄多種子類(lèi)。本研究將創(chuàng)新個(gè)體的網(wǎng)絡(luò)行為限定為基于網(wǎng)絡(luò)傳遞性機(jī)制的知識(shí)搜索行為，這將導(dǎo)致以此為基礎(chǔ)建立的創(chuàng)新符號(hào)網(wǎng)絡(luò)多主體仿真模型的普適性有限。

其次，對(duì)多主體建模方法而言，雖然其能在一定程度上克服實(shí)證研究數(shù)據(jù)獲取困難的短板，但該方法在創(chuàng)新網(wǎng)絡(luò)領(lǐng)域的應(yīng)用才剛起步，模型與現(xiàn)實(shí)對(duì)應(yīng)方面仍存在較大進(jìn)步空間。主要體現(xiàn)在，仿真模型中的個(gè)體行為無(wú)法與企業(yè)現(xiàn)實(shí)的網(wǎng)絡(luò)行為較好地對(duì)接，計(jì)算機(jī)語(yǔ)言所描述的個(gè)體行為過(guò)于簡(jiǎn)單和抽象，而企業(yè)現(xiàn)實(shí)網(wǎng)絡(luò)行為較為復(fù)雜和具體。這使得通過(guò)仿真實(shí)驗(yàn)所得出的相關(guān)結(jié)論難以令人理解和信服。此外，網(wǎng)絡(luò)結(jié)構(gòu)是網(wǎng)絡(luò)功能和績(jī)效的體現(xiàn)，對(duì)創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)演化有重大影響的負(fù)聯(lián)系也必將會(huì)對(duì)網(wǎng)絡(luò)創(chuàng)新績(jī)效的變化趨勢(shì)產(chǎn)生顯著影響，而本文研究未涉及這一重要子問(wèn)題。因此，在未來(lái)研究中，仍需在創(chuàng)新個(gè)體網(wǎng)絡(luò)行為以及網(wǎng)絡(luò)結(jié)構(gòu)與網(wǎng)絡(luò)績(jī)效對(duì)應(yīng)關(guān)系兩方面開(kāi)展更深層次的分析。

參考文獻(xiàn)：

[1] GIULIANI E. Network dynamics in regional clusters：evidence from Chile[J]. Research Policy， 2013， 42（8）： 1406-1419.

[2] 石乘齊. 基于組織間依賴(lài)的創(chuàng)新網(wǎng)絡(luò)演化模型及仿真研究[J]. 管理工程學(xué)報(bào)， 2019， 33（1）： 12-22.

[3] CHENG L， LYU Y， SU J， et al. Inbound openness and its impact on innovation performance： an agent-based and simulation approach[J]. R&D Management， 2020， 50（2）： 212-226.

[4] RIBEIRO P， MARQUES T S， SANTOS H. Innovation networks anchored into a regional scale： looking for smart specialization tendencies in the portuguese Centro Region[C]//Third European Conference on Social Networks EUSN 2017. 2017.

[5] MENG F， MEDO M， BUECHEL B. Whom to trust in a signed network？ optimal solution and two heuristic rules[J]. Information Sciences， 2022， 606： 742-762.

[6] SCHULER P. The broker's invisible ties： brokerage and balance in signed networks[EB/OL]. 2021. https：//www.diva-portal.org/smash/record.jsf？pid=diva2%3A1595002&dswid=-8610

[7] HARRIGAN N M， LABIANCA G J， AGNEESSENS F. Negative ties and signed graphs research： stimulating research on dissociative forces in social networks[J]. Social Networks， 2020， 60： 1-10.

[8] TEIXEIRA A S， SANTOS F C， FRANCISCO A P. Emergence of social balance in signed networks[C]//International Workshop on Complex Networks. Springer， Cham， 2017.

[9] KEUCHENIUS A， T?RNBERG P， UITERMARK J. Why it is important to consider negative ties when studying polarized debates： a signed network analysis of a Dutch cultural controversy on Twitter[J]. PloS one， 2021， 16（8）： e0256696.

[10] SUMMERS T H， SHAMES I. Active influence in dynamical models of structural balance in social networks[J]. EPL （Europhysics Letters）， 2013， 103（1）： 18001.

[11] LERNER J. Structural balance in signed networks： separating the probability to interact from the tendency to fight[J]. Social Networks， 2016， 45： 66-77.

[12] ISAKOV A， FOWLER J H， AIROLDI E M， et al. The structure of negative social ties in rural village networks[J]. Sociological Science， 2019， 6： 197-218.

[13] STADTFELD C， TAK?CS K， V?R?S A. The emergence and stability of groups in social networks[J]. Social Networks， 2020， 60： 129-145.

[14] YANG S W， TRINCADO F， LABIANCA G J， et al. Negative ties at work[M]//Social networks at work. Routledge， 2019： 49-78.

[15] 呂一博， 程露， 蘇敬勤. 知識(shí)搜索行為與區(qū)域創(chuàng)新網(wǎng)絡(luò)演化：一個(gè)多主體仿真研究[J]. 系統(tǒng)工程學(xué)報(bào)， 2014， 29（6）： 725-733，753.

[16] ROPER S， LOVE J H. Knowledge context， learning and innovation： an integrating framework[J]. Industry and Innovation， 2018， 25（4）： 339-364.

[17] BURT R S. Structural holes versus network closure as social capital[J]. Social Capital， 2017： 31-56.

[18] MOLLENHORST G， V?LKER B， FLAP H. Shared contexts and triadic closure in core discussion networks[J]. Social Networks， 2011， 33（4）： 292-302.

[19] YIN H， BENSON A R， UGANDER J. Measuring directed triadic closure with closure coefficients[J]. Network Science， 2020， 8（4）： 551-573.

[20] FENG D， ALTMEYER R， STAFFORD D， et al. Testing for balance in social networks[J]. Journal of the American Statistical Association， 2022， 117（537）： 156-174.

[21] FRITSCH M， KAUFFELD-MONZ M. The impact of network structure on knowledge transfer： an application of social network analysis in the context of regional innovation networks [J].The Annals of Regional Science， 2010， 44（1）： 21-38.

[22] SNIJDERS， TAB， PATTISON P，et al. New specifica-tions for exponential random graph models [J]. Sociological Methodology， 2006， 36（1）：99-153.

[23] ROBINS G， PATTISON P， WANG P. Closure， connectivity and degree distributions： Exponential random graph （p*） models for directed social networks [J]. Social Networks， 2009， 31（2）： 105-117.

[24] KIRKLEY A， CANTWELL G T， NEWMAN M E J. Balance in signed networks[J]. Physical Review E， 2019， 99（1）： 012320.

[25] YAP J， HARRIGAN N. Why does everybody hate me？ balance， status， and homophily： the triumvirate of signed tie formation[J]. Social Networks， 2015， 40： 103-122.

[26] ESTRADA E， BENZI M. Are social networks really balanced [EB/OL]. 2014. https：//arxiv.org/abs/1406.2132.

[27] HUMMON N P， DOREIAN P. Some dynamics of social balance processes： bringing Heider back into balance theory[J]. Social Networks， 2003， 25（1）： 17-49.

[28] GAWRONSKI P， GRONEK P， KULAKOWSKI K. The Heider balance and social distance[J]. Acta Physica Polonica B， 2005，36（8）：2549-2558.

[29] MARVEL S A， KLEINBERG J， KLEINBERG R D，et al. Continuous-time model of structural balance[J]. Proceedings of the National Academy of Sciences， 2011， 108（5）： 1771-1776.

[30] HOWELLS J. Intermediation and the role of intermediaries in innovation [J]. Research policy， 2006， 35（5）： 715-728.

[31] 呂一博， 程露， 蘇敬勤. “資源導(dǎo)向” 下中小企業(yè)集群網(wǎng)絡(luò)演進(jìn)的仿真研究[J]. 科研管理， 2013， 34（1）： 131-139.

[32] BONACICH P， LLOYD P. Calculating status with negative relations [J]. Social Networks， 2004， 26（4）： 331-338.

[33] KAMVAR S D， SCHLOSSER M T， GARCIA-MOLINA H. The eigentrust algorithm for reputation management in p2p networks [C]//Proceedings of the 12th international conference on World Wide Web. ACM， 2003.

[34] O'MADADHAIN J， FISHERD， SMYTH P， et al. Analysis and visualization of network data using JUNG[J]. Journal of Statistical Software， 2005， 10（2）： 1-35.

[35] WATTS D J， STROGATZ S H. Collective dynamics of 'small-world' networks [J]. Nature， 1998， 393（6684）： 440-442.

[36] COLEMAN J S. Social capital in the creation of human capital [J]. American Journal of Sociology， 1988， 94： S95-S120.

[37] MOODY J. The structure of a social science collaboration network：disciplinary cohesion from 1963 to 1999[J]. American Sociological Review， 2004， 69（2）： 213-238.

（責(zé)任編輯：胡俊?。?/p>

The Effect of Negative Links： How Innovation Network Evolves

Cheng Lu¹， Li Li²

（1.School of Maritime Economics and Management， Dalian Maritime University， Dalian 116024， China；

2.College of Economics and Management， Zhengzhou University of Light Industry，Zhengzhou 450002， China）

Abstract：Combining the structural balance theory and the dynamic balance theory， this paper focuses on the influence mechanism of negative links of the inter-organizational innovation network structure. To overcome the difficulty of the acquisition of empirical data， the paper conducts an agent-based modeling and simulation research. An inter-organizational innovation network is composed of a group of firms or organizations whose network behaviors contribute the bottom-up result of network evolution.In order to reduce unnecessary complexity， the paper limits firms' network behavior as firms' knowledge search which is based on the "triadic" network mechanism.Then it identifies four kinds of knowledge search behavior of innovative agents or firms， two kind of shielding phenomenon and the dynamic characteristics of knowledge search behavior， and finally builds a multi-agent model to simulate inter-organizational innovation network evolution process of innovation network.

It is found that at first negative links will fill the status gaps between the individual agents and keep the whole innovation network at a high level of equality. Secondly， negative links will be make the whole innovation network keep an arresting faction structure and hinder the convergence between factions. Thus， individual agents will be dependent on their factions strongly. At last， different with the previous conclusions， the paper shows that the network cohesion depends not only on the well-known positive links which represent knowledge sharing and knowledge collaboration， but also on negative links which represent hostility， confrontation and knowledge blocking. On the one hand， negative links will suppress the increasing trend of innovation network's positive topology and weaken the small-world phenomenon of the whole network. On the other hand， under the influence of negative links， the individual agent increases the reliance on its own fraction， which leads to closer contact between individual agents within factions.

The theoretical contribution of this paper is reflected in three aspects. First this study uses the multi-agent modeling and simulation methods to study the impact of negative connections on the evolution of innovation network structure， providing new research ideas and research perspectives for the introduction of negative connections or innovation networks under the framework of symbolic networks. Secondly， it defines enterprise knowledge search behavior as "knowledge traceability search"， "knowledge source sharing search"， "diffusion source sharing search" and "alliance search" by introducing the idea of structural balance and dynamic balance of symbolic networks， and enriches knowledge search research.Thirdly， on the basis of the four types of knowledge search behaviors， this study builds a multi-agent simulation model for the evolution of inter-enterprise innovation network structure under the influence of negative connections， which enriches the application of multi-agent modeling and simulation methods in innovation networks， social networks and complex networks.

The limitations of this paper are reflected in the following two aspects. First of all， there are many typical network behaviors of innovative individuals，and each basic type governs multiple seed classes. In this study， the network behavior of innovation individuals is limited to the "knowledge search behavior" based on the network transmission mechanism， which will lead to the universality of the multi-agent simulation model of innovation symbol network established on this basis to a certain extent. Secondly， for the multi-agent modeling method itself， although it can overcome the difficulties in obtaining empirical research data to a certain extent， the application of this method in the field of innovation networks has just started， and there is still much room for progress in the corresponding aspects of the model and reality， mainly reflected in that the individual behavior in the simulation model can not be well connected with the actual network behavior of enterprises. The individual behavior described by computer language is too simple and abstract， while the real network behavior of enterprises is more complex and specific. This makes the relevant conclusions difficult to understand. In addition， network structure is the embodiment of network functions and performance， and the negative relationship that has an important impact on the evolution of innovation network structure is not involved in this study. Therefore， in the future research， it is necessary to carry out a deeper expansion in the innovation of individual network behavior and the corresponding relationship between network structure and network performance.

Key Words：Innovation Network; Negative Links; Knowledge Search; Network Evolution