[论文解读] A Data-driven Approach for Constructing Multilayer Network-based Service Ecosystem Models

Mingyi Liu, Zhiying Tu+2 more|arXiv (Cornell University)|Apr 22, 2020

Complex Network Analysis Techniques参考文献 32被引用 4

一句话总结

本文提出一种数据驱动方法，利用公开新闻和外部数据源构建基于多层网络的服务生态系统模型（MSEM），整合利益相关者、服务渠道、功能与非功能特性、领域以及引发演化的事件。该方法实现了大规模、低成本且语义丰富的现实世界服务生态系统建模，提升了可解释性与演化追踪能力。

ABSTRACT

Services are flourishing drastically both on the Internet and in the real world. Additionally, services have become much more interconnected to facilitate transboundary business collaboration to create and deliver distinct new values to customers. Various service ecosystems have become a focus in both research and practice. However, due to the lack of widely recognized service ecosystem models and sufficient data for constructing such models, existing studies on service ecosystems are limited to very narrow scope and cannot effectively guide the design, optimization, and evolution of service ecosystems. We propose a Multilayer network-based Service Ecosystem Model, which covers a variety of service-related elements, including stakeholders, channels, functional and nonfunctional features, and domains, and especially, structural and evolutionary relations between them. "Events" are introduced to describe the triggers of service ecosystem evolution. We propose a data-driven approach for constructing MSEM from public media news and external data sources. Qualitative comparison with state-of-the-art models shows that MSEM has a higher coverage degree of fine-grained elements/relations in service ecosystems and richer semantics for higher interpretability. Experiments conducted on real news corpora show that compared with other approaches, our approach can construct large-scale models for real-world service ecosystems with lower cost and higher efficiency.

研究动机与目标

• 解决现有服务生态系统模型在覆盖业务与技术维度方面缺乏全面性、大规模性和可解释性的问题。
• 克服现有模型局限于单一视角或小规模数据集的局限，尤其在捕捉结构与演化动态方面。
• 利用非结构化公开数据（如新闻语料）实现及时、低成本且语义丰富的现实世界服务生态系统建模。
• 通过将外部事件与社区层面的结构变化关联，识别并分析服务生态系统演化的驱动因素。
• 为服务提供商和监管机构提供关于协作趋势、创新机会及生态系统演化模式的可操作洞察。

提出的方法

• 构建基于多层网络的服务生态系统模型（MSEM），整合利益相关者、服务渠道、功能与非功能特性、领域以及结构/演化关系。
• 利用自然语言处理技术从公开新闻语料中提取与服务相关的事件，作为生态系统演化的触发因素。
• 利用外部知识图谱和开放数据源，丰富MSEM中实体与关系的表示。
• 对MSEM快照应用静态社区检测与时间对齐，以追踪随时间演化的社区。
• 通过测量社区变化识别演化事件（如诞生、消亡、分裂、合并），并将这些事件映射到底层服务事件以实现因果解释。
• 对事件序列进行高层次的语义与序列模式分析，以揭示生态系统演化的业务层面驱动因素。

实验结果

研究问题

• RQ1 如何在业务、技术与时间维度上全面建模服务生态系统的结构与演化？
• RQ2 如何从非结构化公开数据中高效且低成本地构建大规模现实世界服务生态系统模型？
• RQ3 外部事件在触发和塑造服务生态系统演化方面发挥何种作用？
• RQ4 如何增强服务生态系统模型的语义丰富度与可解释性，以支持实际决策？
• RQ5 可观测到的服务生态系统结构变化背后，其潜在业务驱动力是什么？

主要发现

• 所提出的MSEM在服务生态系统中对细粒度元素与关系的覆盖度高于现有最先进模型，显著提升了模型的可解释性。
• 数据驱动方法能够以更低成本和更高效率从现实世界新闻语料中构建大规模服务生态系统模型，优于传统方法。
• 从公开新闻中挖掘事件可有效追踪生态系统演化，例如识别出5G相关研发投资等事件推动了社区扩张（如2019年以华为为中心的社区）。
• 社区演化追踪揭示了稳定（如腾讯、阿里巴巴）、萎缩（如百度、亚马逊）和扩张（如华为、今日头条）的利益相关者，表明协作关系动态变化。
• 将服务事件整合到模型中提供了解释力，将可观测的结构变化与现实世界的业务驱动力关联起来。
• 该方法支持对动态演化的生态系统的可扩展、及时分析，使利益相关者能够识别创新机会，监管机构可制定响应性政策。