用于动态、层级及重叠分类的格结构：以知识共同体为例

我们提出了一种用于层级分类和分类法演化描述的方法。我们关注知识共同体（ECs）的结构，即共享共同知识关注点的智能体群体。通过引入一个基于伽罗瓦格的正式框架，我们以自动化且层级结构化的方式对知识共同体进行分类，并提出了选择最相关知识共同体的标准——例如，聚集了一定比例智能体从而成为主要领域典型的共同体。这个过程产生了一个易于管理且富有洞见的共同体分类法。然后，对这些静态图景的纵向研究使得历史描述成为可能。特别是，我们捕捉到了诸如领域进展、衰退、专业化、交互（合并或分裂）以及范式出现等典型事实。在社会网络中检测此类模式可有效地应用于其他情境。