信息爆炸时代,如何挖掘用户的潜在兴趣,通过提供个性化服务来提升用户的满意度及忠诚度,进而增强企业竞争力,帮助企业获得更高的商业价值是各大企业正努力解决的问题。在当前竞争激烈的市场环境下,企业想要提升竞争力,关键在于提高其知识创新能力。开放式创新社区因其能够充分利用大众智慧已成为企业获取创新知识的重要来源之一,然而企业开放式创新社区中渐增的海量信息正在加重用户的认知负担,用户往往需要耗费大量时间和精力去寻找和筛选其真正需要或感兴趣的知识内容,极大地阻碍了用户参与的知识创新。本文将开放式创新社区作为研究对象,探究了基于模糊概念格和协同过滤进行开放式创新社区个性化知识推荐的机制及其实现方法,给出了用户—项目模糊概念格的构造过程,提出了一种基于模糊概念格和协同过滤的个性化知识推荐算法FCLCF(Formal Concept Lattice and Collaborative Filtering)。以MovieLens公开数据集为实验数据集,将FCLCF算法与基于用户的协同过滤推荐算法和基于项目的协同过滤推荐算法进行了对比分析;并以国内知名手机开放式创新社区为例,提取社区用户行为数据及相关文本内容,使用文本挖掘获取用户对相应知识点的兴趣偏好,结合前人研究确定领先用户识别指标,然后基于此指标识别出开放式创新社区的领先用户,进而构造领先用户—知识点模糊概念格;最后使用FCLCF算法为领先用户呈现有序的知识推荐列表,满足用户的个性化需求。实验表明,本文提出的FCLCF算法在推荐的分类准确度和排序准确度上均优于传统的基于用户的和基于项目的协同过滤推荐算法。而对开放式创新社区用户进行个性化推荐,不但满足了用户的个性化知识需求,有利于提高用户对开放式创新社区的满意度及忠诚度,增强用户持续性知识创造与分享的意愿,促进开放式创新社区的可持续发展,而且有利于企业从开放式创新社区中获取更多用户共享的原本不易获得的知识与创意,提高企业知识创新能力。