后疫情时期互联网用户的健康信息需求及其演化分析

新冠病毒肺炎疫情已经步入后疫情时期,以互联网用户为研究对象,探究后疫情时期民众的健康信息需求,以期为相关部门的信息发布和相关公共政策制定提供依据.文章以社会化问答平台"知乎"为例,利用LDA主题模型与人工标注相结合的方法构建用户健康信息需求编码体系,并通过周期划分,结合内容分析、主题分析、需求强度分析等,从时间和需求主...     

网络健康社区中的主题特征研究

[目的/意义] 探究不同类型网络社区中健康主题特征分布,促使各网站平台能够更好地提供在线健康信息服务。[方法/过程] 以糖尿病为例,选取来自健康论坛的社会化标签和社会化问答社区的问答记录作为研究对象;通过数据编码和文本处理的方法,得到八大类主题,并比较两种网络社区中该八大主题分布情况的异同。[结果/结论] 两种网络社区中糖尿病主题冷热分布大体趋于一致。在最为用户所关注的主题上,两类社区各有侧重,分别是“诊断和检查”、“社会生活”。以上探讨和发现对在线健康信息服务质量的提升有诸多启示。     

附加情感特征的在线问答社区信息质量自动化评价

[目的/意义] 考察在线问答社区信息中的情感特征以及其对在线问答社区信息质量自动化评价的影响。[方法/过程] 综合以往研究,提取Yahoo! Answers中的回答信息的文本特征、用户特征、时序特征等,并提出附加情感标注的回答特征,利用Weka机器学习的方法进行信息质量自动化分类预测。[结果/结论] 结果显示,在线问答社区信息中具有一定的情感特征且情感特征的加入能够提高分类预测的准确率。     

社会化问答社区用户生成答案质量自动化评价研究——以“知乎”为例

[目的/意义]旨在构建社会化问答社区用户生成答案质量评价指标体系，实现面向用户需求的答案质量自动化评价和筛选，提高社会化问答社区知识服务质量。[方法/过程]引入社会情感特征和用户特征，运用因子分析和结构方程实证构建用户生成答案质量评价指标体系。基于GA-BP神经网络模型设计答案质量自动化评价方法。最后，选取知乎网站数据对用户生成答案质量评价指标体系和自动化评价方法进行应用研究。[结果/结论]构建包含答案文本特征、回答者特征、时效特征、用户特征、社会情感特征5个维度的评价指标体系。实验分析发现基于GA-BP神经网络的答案质量自动化评价方法相比于其他方法准确率较高、平均误差低，具有可行性和有效性，能够进一步应用和推广实践。     

中文问答社区答案质量的评价研究:以知乎为例

[目的/意义]在线问答社区成为互联网用户获取高质量知识的重要途径,探索中文问答社区答案质量对知识传播具有重要意义。[方法/过程]以规模最大的中文问答社区之一"知乎"为研究对象,采用数据挖掘和机器学习方法,选取逻辑回归、支持向量机和随机森林三种分类模型,进行三层递进式训练和检验。从结构化特征、文本特征以及用户社交属性三个维度构建答案质量的特征体系。[结果/结论]实验结果显示,随着特征体系的不断丰富,三种分类模型的性能逐步提升;而随机森林作为一种组合分类模型,在全量特征的情况下,取得出色的分类性能。对特征组合分析发现,包含用户社交属性的随机森林总是比同等级的其它模型更加出色,表明社会化网络在答案质量评价中的地位。研究结论表明从答案本身和答案编写者两个角度能够评价答案质量,构建的特征体系和模型可以较为全面地预测答案质量。     

在线健康社区双心疾病用户信息需求主题与情感分析

以双心疾病为例揭示用户的健康信息需求及情感特征,发现在线健康社区信息服务存在的不足,为在线健康社区建设提供建议。爬取并筛选在线健康社区中双心疾病用户问诊文本,通过文本聚类、基于词表的情感分析,归纳信息需求主题和情感倾向,并对主题和情感进行相关性分析。在线健康社区的双心疾病用户存在12个信息需求主题:症状表现、体征检测、情绪心理、生活状态、医院科室、病理病因、药效与副作用、手术治疗、自我管理、并发症、家庭社会、药品与适应症。用户在线问诊表现的情感以消极情绪为主,情感在不同主题间表现出集中性和差异性。在线健康社区应加强信息分类组织,提供个性化情感支持,重视引进生物医学与精神心理学双重背景的人才。     

网络问答社区用户提问主题聚类图谱构建研究

面向网络问答社区海量问题内容组织的现实需求,针对用户提问的文本特点对其进行多层次主题聚类与图谱构建。通过充分融合Glove和Word2vec算法的优势,对用户提问进行文本特征表示。在此基础上利用不同聚类算法对用户提问进行多层次聚类,并利用TextRank生成聚类标签,然后基于主题间层次结构,利用图模型将不同提问文本的关联关系呈现出来,从而构建网络问答社区用户提问主题聚类图谱,以此提升网络问答社区平台知识资源的组织与利用效率,为知识查询和推荐提供索引。     

免费与付费在线问答社区用户参与行为的比较研究

[目的/意义]作为目前主流的在线问答社区模式,免费和付费在线问答社区为用户提供了不同的信息交互场景,能够满足差异化的用户需求。本文通过对两类社区用户参与行为的比较,深入揭示了他们之间的行为差异,对两类社区服务模式的优化提供了对策和建议。[方法/过程]采用列联表分析、非参数检验和负二项回归等方法对免费和付费在线问答社区用户的参与特征和交互影响关系进行了分析。[结果/结论]研究发现免费和付费在线问答社区用户在信息需求、参与特征和交互影响关系上存在诸多差异,其中免费在线问答社区具有最多的观点型问题,付费在线问答社区具有最多的建议型问题;免费提问者倾向于用抽象、概括的方式提出问题,付费提问者则倾向于提供详细的背景信息;问题长度负向影响免费回答的数量和长度,正向影响付费回答的长度;问题长度、回答长度正向影响免费和付费评价数量。本文丰富了对在线问答社区用户参与行为的研究,为免费和付费两类社区服务模式优化提供了一定的管理建议。     

基于fsQCA方法的社会化问答社区用户持续使用意愿影响机理研究

探究社会化问答社区用户持续使用意愿的影响因素及其作用机理，以期揭示隐藏在社会化问答社区用户持续使用行为背后的深层次起因。基于相关理论和研究情境，构建社会化问答社区用户持续使用意愿影响因素作用机理模型。运用模糊集定性比较分析(fsQCA)方法，基于310份问卷数据，分析前因变量的不同组合对社会化问答社区用户持续使用意愿的路径影响。研究发现：导致社会化问答社区用户高持续使用意愿的组态路径有6条，导致社会化问答社区用户低持续使用意愿的组态路径则只有1条；“知识内容质量”“主观规范”“社交满足感”和“自我效能感”4个前因变量在社会化问答社区用户持续使用意愿的组态影响路径中扮演了关键角色。研究结论可以拓展和深化信息系统用户持续使用行为的相关理论研究，并可为社会化问答社区等在线知识服务平台进一步优化服务标准、提升运营水平提供实践依据。     

社会化问答平台用户体验影响因素实证分析——以知乎为例

[目的/意义]研究社会化问答平台用户体验的影响因素,为社会化问答平台改善用户体验,提高用户留存率、活跃度提供参考。[方法/过程]构建一个综合模型,以"知乎"用户为调查对象,采用回归分析法对其用户体验的影响因素进行量化分析。[结果/结论]视觉吸引力和需求满足会显著影响社会化问答平台的用户体验;主观情感作为中介变量,对视觉吸引力、内容需求、交互体验与用户体验之间的关系起调节作用;除使用频率与用户年龄外,其他环境变量对用户体验的影响可以忽略不计。     

图式理论视角下社会化问答社区刻板印象的探索性研究——以知乎为例

[目的/意义]社会化问答社区已成为网络用户获取知识常用途径之一,也是网络环境下重要的社交方式。探究用户对社会化问答社区的刻板印象以及矫正消极刻板印象,对社会化问答社区的运营发展具有重要的实践意义。[方法/过程]选取知乎作为研究对象,应用扎根理论方法,通过数据资料收集、三级编码等过程,结合图式理论,构建社会化问答社区刻板印象内容模型。[结果/结论]研究发现社会化问答社区刻板印象内容包含用户属性、平台属性、社会属性3个维度,其中用户属性包括用户水平和使用原因,平台属性包括管理体系和社区氛围,社会属性包括知识问答和社交营销。用户门槛低、内容审核机制不严格、消极现象明显以及软文广告较多是用户产生消极刻板印象的主要原因。     

答案质量反馈对社会化问答社区用户持续答题意愿的影响研究——以“知乎”平台为例

[目的/意义] 分析答案质量反馈对社会化问答社区用户持续答题意愿的影响,可以对社会化问答社区增加用户粘性、提高用户体验起到一定的指导作用。[方法/过程] 从社会资本理论中提取答案质量反馈变量并分析其对社会化问答社区用户持续答题意愿的影响。通过结构方程方法对收集整理的调查问卷数据进行分析,验证模型的可行性和优越性。[结果/结论] 构建答案质量反馈对社会化问答社区用户持续答题意愿影响模型;结论表明,答案质量反馈正向影响反馈期望确认程度与反馈感知有用性;反馈期望确认程度正向影响反馈感知有用性与反馈满意度;反馈感知有用性正向影响反馈满意度与持续答题意愿;反馈满意度也同样正向影响持续答题意愿。     

在线医疗社区健康焦虑用户画像模型构建及实证研究

[目的/意义]通过构建在线医疗社区健康焦虑用户画像,以探究健康焦虑用户情感及其他特征表现,为在线医疗平台管理健康焦虑用户及加强在线医疗社区建设提供指导。[方法/过程]首先,依据现有研究成果并结合在线医疗社区健康焦虑用户实际数据特征建立用户画像标签体系。其次,根据标签体系对情感、主题、信息行为标签进行技术加工,得到标签属性并建立用户画像概念模型。最后,通过K-means聚类方法得到4个具有显著差异性的用户画像群体结构进行实证分析。[结果/结论 ]根据用户画像标签特征,将在线医疗社区健康焦虑用户依据情感划分为恐惧型、愤怒型、抑郁型、厌恶型4类,针对每个类型用户画像的显著特征进行具体分析,为在线医疗社区中健康焦虑现象提供一个较为全面的用户画像标签类型解释。     

在线健康社区患者参与问答行为演化博弈研究

在“健康中国行动”背景下,在线健康社区是促进健康信息和知识生成及传播的重要阵地。文章从用户角度出发,考虑信息规避,研究在线健康社区患者用户行为策略的交互影响,为在线健康社区持续发展与建设优化提供参考。文章通过构建患者用户参与在线健康社区问答的博弈演化模型,分析患者策略效益以及策略演化过程,并利用仿真模型探究参与问答中健康信息和知识接受程度、问答中健康信息和知识收益、参与问答信息风险成本等因素的作用。研究表明：在影响因素参数不同的情况下,系统稳定均衡结果存在差异。健康信息和知识接受程度、问答中健康信息和知识收益与患者用户参与问答概率正相关,参与问答信息风险成本与患者用户参与问答概率负相关。     

社会化问答用户信息搜寻的影响因素研究——一种混合方法的视角

[目的/意义]虽然已有学者通过实证分析社会化问答用户信息搜寻的影响因素,但是目前研究还未探究影响因素间的搭配组合对信息搜寻的影响。为解决这一研究局限,从混合方法的视角出发,在回归分析方法的基础上借助定性比较分析法（qualitative comparative analysis,QCA）来深化对用户特征因素和激励因素之间搭配组合产生影响的认识。[方法/过程]通过回顾先前关于网络用户信息搜寻行为影响因素的研究,指出可以采用QCA来尝试解决存在的研究局限,并以社会化问答用户信息搜寻为实例,运用回归分析方法和QCA方法分析社会化问答社区用户信息搜寻行为的影响因素,比较和总结这两种方法得到的结果。[结果/结论]研究表明,回归分析有助于研究者发现哪些因素会对网络用户的信息搜寻行为产生显著影响,而QCA方法有助于研究者发现这些影响因素如何组合搭配来产生影响作用。     

知乎情境下的TAM模型实证研究

当下以知乎为代表的问答型社交网站日益受到用户的欢迎,成为网民获取信息、线上活动的主要阵地之一,被称为"最好的中文问答社区"。但目前对这个新颖的社会化问答虚拟社区的用户态度和行为的相关研究仍基本处于空白。笔者尝试以TAM模型为基础,在当前背景下以知乎网为例,试图探寻究竟哪些因素,会对社会化问答虚拟社区的用户态度和行为产生怎样的影响,并进行实证研究。     

突发公共卫生事件中微博谣言的识别

[目的/意义] 在"新冠"疫情这类突发公共卫生事件中,网络社交媒体上迅速产生大量关于疫情的言论,其中包含不少蓄意传播的谣言,不仅危害公众心理健康,而且会影响应对公共卫生事件的方案实施。识别突发公共卫生事件的谣言能够使民众正确面对危机,为社会安定、网络治理起到积极的维护作用。[方法/过程] 首先对采集到的疫情期间已被证实的谣言进行深度分析,提取谣言文本的主要特征,包括上下文特征、话题类别特征、情感程度特征、关键词特征等;然后针对文本分类模型中的文本特征表达较为单一的问题,利用不同的模型对提取的谣言文本特征进行向量化,并对各类文本特征进行加强和融合。其中通过TF-IDF计算的词向量权重在捕获上下文特征的同时,能够加强词粒度的关键词特征信息。最后,使用BiLSTM+DNN模型对融合的特征向量进行分类判别。[结果/结论] 实验结果表明,话题类别、情感程度等特征对谣言识别均有贡献,特别是经过强化后的词向量与其他特征融合后对识别准确率有明显提升,召回率、F1值等指标均达到90%以上,效果超过其他的谣言识别模型,说明笔者所构建的方法能够很好地实现对突发公共卫生事件背景下的谣言识别。     

基于用户黏性的社会化阅读社区盈利模式分析

社会化阅读社区作为一种颠覆传统的移动阅读新模式,还处于发展过程中。文章立足于在线黏性理论,从用户需求、产品/服务特性、用户体验、内容提供商特征和人口统计特性5个维度构建社会化阅读社区的用户黏性模型,并以此为理论基石,分析社会化阅读社区在从推广期到运营期直至盈利期的演进过程中,如何聚集用户黏性并开发支撑自身运营的盈利模式。     

社会化问答平台提问回复率的预测研究——以“百度知道”为例

[目的/意义] 基于社会化问答平台提问回复率较低的现状，通过预测提问回复率，能够为社会化问答平台提升用户活跃度与留存率，改善用户体验提供参考。[方法/过程] 以"百度知道"为研究平台，抓取平台设置的14个话题下共10 640条提问记录，从提问特征与提问者特征角度，构建提问回复率影响因素的研究框架。采用二元Logistic回归对影响因素进行数据验证，构建提问回复率的预测模型，对模型准确率进行验证。[结果/结论] 社会化问答平台提问回复率研究可改善平台信息服务质量与促进用户知识贡献行为，实验结果验证了研究模型在社会化问答平台提问回复率预测中的有效性。     

一种基于序列标注的概念短语抽取方法

［目的/意义］ 科技文献中的概念是对文献中知识高度凝练的表达,通常以定义句的形式出现在科技文献中。自动从概念定义句中抽取概念,能够进一步挖掘科技文献中蕴含的重要知识。［方法/过程］ 通过分析概念定义句的结构、句式等模式特征,提出以WCL数据集为基础的语料构建方案,并采用BERT+BiLSTM+CRF模型学习概念定义句的模式,从而实现概念短语抽取。［结果/结论］ 结合以往对概念定义句模式特征的研究,创新性地提出一种基于序列标注学习概念定义句的组成模式,从而实现概念短语抽取。通过BERT+BiLSTM+CRF模型,有效学习了概念定义句中的上下文语义、句式结构、组成项分布等模式特征,实现了句子中概念短语的抽取。