创新是引领企业发展的第一动力,企业把握住了创新也就握住了未来。移动互联网时代的到来,使得企业传统的封闭式创新早已无法满足快速变化的市场需求,而能够整合内外多种资源的开放式创新受到了广大企业的青睐。开放式创新是由哈佛大学教授Henry Chesbrough于2003年针对工业经济时代的封闭式创新范式而提出的一个新概念,其本质是企业充分整合内部和外部资源以提升组织创新绩效,并寻找各种渠道将产品和想法商业化的过程。开放式创新社区（Open Innovation Community,OIC）是企业开放式创新的主要形式,是一种基于互联网的在线用户参与企业创新和知识共享的平台。开放式创新社区的实践激活了用户创新的活力,如Dell公司的开放式创新社区Idea Storm在创建运行8个月后就收到了来自全球用户提交的超过14500个创意,73万个投票和9万多条评论。因此,开放式创新模式受到了业界与学界的广泛关注。虽然开放式创新已有不少成功案例,但是作为一种新型创新模式仍然面临三个重要挑战:（1）由于开放式创新社区中用户的背景不同,使得用户创意质量存在很大的不确定性,导致创意评估和筛选成为一项繁重的工作。（2）如何从众多用户中高效识别出领先用户,持续关注其生成内容或邀请其深度参与到企业创新中。（3）部分企业所创建的开放式创新社区存在“空酒吧综合症”,如何激励用户积极参与是开放式创新社区持续成功的又一挑战。因此,基于开放式创新社区中用户生成的大量数据,用文本挖掘技术研究用户的创新内容特征与创新行为特征,对解决以上挑战具有重要意义。本文通过梳理开放式创新社区中用户创新采纳影响因素、领先用户识别指标和方法、用户参与贡献行为和激励方面的文献,总结出前人在这些方面研究的不足和值得改进的地方:（1）以往用户创新采纳方面的文献主要存在两方面的不足:一是,虽然已有研究检验了部分影响创意采纳可能性的因素,但这些因素并没有得到很好的梳理,还有一些重要因素并没有得到很好的检验,如用户在社区中的网络结构特征,标题的影响等。二是,以上研究主要从创意特征、用户特征及用户间互动数据中提取的变量,但是缺少文本情感因素影响的研究。（2）以往有关领先用户识别的研究主要集中于传统线下创新用户的识别研究,而对开放式创新平台中领先用户的研究有限;传统的领先用户识别方法主要采用人工推举和问卷调查的方法识别领先用户,这不利于在较大规模用户中高效识别创新领先用户。（3）以往关于开放式创新社区中用户参与的研究主要关注用户的参与行为和贡献行为,而对于不同类型用户（领先用户组、普通用户组）实际参与回报的研究不足,研究用户是如何从OIC获得回报,对激励用户积极参与OIC具有重要意义。针对OIC中用户创新采纳、领先用户识别及用户参与的投入回报问题中存在的不足,本文基于文本挖掘视角,从OIC中用户行为入手,采用小米科技公司OIC社区MIUI平台的用户生成数据对用户创新采纳进行了实证研究,对领先用户识别方法进行对比实验,对用户参与的投入回报问题进行了实证研究。本文主要完成的工作和创新可归纳为以下四个方面:（1）针对用户创新采纳问题,利用用户创新数据和行为数据,基于亚里士多德的说服理论框架（逻辑诉诸、人格诉诸、情感诉诸）及现化说服理论,构建了包含用户情感因素的创意采纳可能性模型,模型重点检验了OIC中影响用户创意采纳的前驱因素,即企业评审能力有限的情况下,有哪些迹象表明用户创意有潜在的采纳价值。对评审能力不足的OIC来说,模型可以有效降低其筛选创意的成本。（2）创意采纳可能性因素模型重点检验了情感因素对采纳的影响。得到了两个重要的洞见:第一,情感因素影响创新采纳过程。创意情感首次被引入创意采纳可能性模型,发现创意情感因素显著影响创意采纳,而且关注度对创意情感有负向的调节作用。这一洞见对OIC正确引导用户的情绪,让OIC成为用户创新的聚集地而非抱怨或流于形式的平台具有重要意义。第二,创意情感是用户产品体验真实的情感诉求,其中包含用户对产品需求的期待或用户需求痛点的情绪表达。如果企业在产品创新迭代中考虑这一因素,用户的真正需求将被看见和满足。（3）构建OIC中领先用户识别指标体系和识别模型。研究利用用户发表的内容数据和客观行为数据两个方面的信息提炼出用户的内容信息指标、用户情感指标及行为数据指标,构建领先用户识别指标体系。研究提出了基于3种无监督聚类算法对比的领先用户识别模型,探索了OIC中领先用户被识别的可能性,拓展了聚类算法在领先用户识别中的应用。同时,也为下一个主题——用户参与开放式创新社区的投入回报研究做好用户分类铺垫。（4）用户参与开放式创新社区的投入回报研究,探讨了用户参与OIC是如何获得回报的。本研究丰富了用户参与OIC投入回报的理解,基于社会交换理论,通过注意力资本和认知资本的视角来识别用户参与OIC的社会交换资源,即从用户注意力投入和社会资本角度解释用户在OIC中的社会回报和经济回报。在研究用户参与投入回报过程中将用户分为了领先用户组和普通用户组两个群分别进行实证分析,这有利于更深入地理解不同用户组群对回报需求的异质性,结果表明领先用户组与普通用户组在社会回报方面存在显著差异。本研究丰富了开放式创新社区在用户价值挖掘与激励方面的文献,提供了开放式创新中的用户创新采纳决策的视角,拓展了领先用户识别方法,为企业开放式创新社区激励机制设计提供了重要参考。