作为Web2.0典型应用的Folksonomy知识组织模式开辟了网络社群知识组织新的路径。然而,无论是朴素结构主义的研究思想,还是基于主观动态因素的研究思路,都距离Folksonomy模式中知识组织变化趋势的研究尚存一定的间隙。随着复杂网络分析理论与技术的引入,研究思路突破了传统“树形”结构的模型,社群知识间纷繁复杂的关联关系得以揭示。然而,现有基于网络分析的研究多从静态截面上对Folksonomy模式中社群知识组织变化趋势展开研究,或者有针对动态演化规律的研究但是不够深入,对于知识组织过程中产生的知识涌现更是鲜有问津。特别是针对派系演化作为研究并且基于动态网络的视角寥寥无几。有鉴于此,本文从社群知识网络结构动态演化的视角,基于派系在时间序列上的演化来研究Folksonomy模式中社群知识组织变化趋势问题,以及整个网络的变化趋势性问题。本文研究的第一部分通过构建“文章-标签”的隶属矩阵,然后在此基础上构建了“标签-标签”邻接矩阵。并且对邻接矩阵基于复杂网络分析技术进行可视化。第二部分通过网络引入派系作为研究指标,派系在不同时间刻度上的值我们就可以推断出骨架上点的数据量。第三部引入Logistic方程并且对Logistic方程进行改进,若我们能预测网络骨架上的点变化趋势是可预测的,那么整个知识网络变化的规律也是可预测的。最后实验结果也表明基于派系演化的Folksonomy模式下知识网络变化是稳定的。