不同就医情境下在线健康社区用户信息需求偏好研究 ——以寻医问药网“有问必答”社区为例

【目的/意义】在线健康社区可持续发展的关键在于知识共创。用户信息需求作为知识共创的起点,是开展 在线健康社区知识共创机理研究的重要基础。【方法/过程】首先从就医渠道、就医状态、治疗现状3个维度刻画在线 健康社区的用户就医情境,提出4类就医情境。其次运用python爬取寻医问药网“有问必答”社区2020年全年用户 有效提问数据97169条,通过独立编码为其打上就医情境标签。最后融合Word2vec与LDA算法,提取不同就医情 境下用户信息需求偏好。【结果/结论】研究发现,30.1%的用户不能准确描述就医情境。在准确表达就医情境的用 户中,线上初诊是主要就医情境,主要关注症状与就诊;线下初诊+未治疗+线上复诊主要关注检查与原因;线下初 诊+治疗过+线上复诊主要关注方法效果与后续;线上初诊+治疗过+线上复诊主要关注方法效果与后续。【创新/局 限】本文依据疾病就诊与治疗的全过程提出4类就医情境,并揭示了不同就医情境下用户信息需求偏好差异,但仅 对医患类在线健康社区进行了实证分析。     

多维属性融合视角下的在线健康社区关键用户识别研究

【目的/意义】在线健康社区已成为公众获取医疗信息和服务的重要形式。识别在线健康社区关键用户及其特征,为提升健康社区服务质量和效率提供理论依据。【方法/过程】基于信息行为学理论构建了包括交互行为属性、信息质量属性、情感倾向属性的多维分析框架,利用AttriRank算法和网络抗毁性评估方法识别在线健康社区关键用户。【结果/结论】在胆系癌症疾病QQ群中识别出15个关键用户。他们不仅具有高活跃性和高互惠度的交互行为特征,还具备多样性水平高且结构均衡的信息质量特征,且多数持有正向情绪倾向。“行为+内容+情绪”的分析框架和考虑属性的用户排序算法能准确识别在线健康社区关键用户,为在线健康社区的持续运营供了科学的决策支持。【创新/局限】构建多维属性分析框架进行在线健康社区关键用户识别,丰富了在线健康社区关键用户识别的理论体系。     

基于在线健康社区用户画像的情感表达特征研究

[目的/意义]通过构建在线健康社区用户画像,解释不同用户群体的情感差异和特征,以掌握社区用户情感表达规律,推动在线健康社区的信息支持与情感支持功能建设。[方法/过程]首先,分析建立用户画像的目的,结合在线健康社区的数据特点建立包含基本信息、情感、主题和信息行为特征的用户画像概念模型。其次,确定各用户的标签属性,对标签属性进行抽取。最后,结合情感标签对用户角色进行划分,利用具有噪声的基于密度的空间聚类方法(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)实现了用户画像并分析不同角色的画像特征。[结果/结论]提出的方法可以有效生成贴近用户原貌的画像并识别用户情感表达特征。通过实例分析挖掘出焦虑型、愤怒型、祈祷型、乐观型和悲哀型等5类社区用户群,各用户群体在性别、年龄、影响力、活跃度和兴趣主题方面均表现出不同的情感特征差异。     

在线健康社区用户持续使用意愿研究——基于感知价值理论

[目的/意义]为了在线健康社区的可持续发展，增强用户粘性，有必要对在线健康社区用户持续使用意愿影响因素进行研究。[方法/过程]通过感知收益和感知成本来衡量感知价值，并将感知价值理论结合期望确认模型构建了在线健康社区用户持续使用意愿的结构方程模型，采用问卷调查方法收集数据，利用AMOS 21.0验证模型中的假设。[结果/结论]研究结果表明：来源可靠性、信息准确性及时效性的提高能有效提高用户感知收益，进而对感知价值产生正向的影响；而更高的隐私安全性与反馈及时性则能通过降低感知成本提高用户的感知价值；感知有用性和感知价值显著影响用户满意度，进而影响用户持续使用意愿；相比于感知价值，在线健康社区中感知有用性对用户满意度的影响相对较小。     

网络用户在线评论的主题图谱构建及可视化研究——以酒店用户评论为例

【目的/意义】网络用户在线评论是用户对某产品或服务机构体验感知的反馈,对网络用户在线评论的文 本挖掘是情报分析的重要内容。【方法/过程】为了更有效从海量网络用户在线评论文本中挖掘用户感兴趣的信息, 本研究爬取TripAdvisor网站四大城市的酒店用户在线评论,基于主题图谱理论和文本聚类算法构建网络用户在线 评论的聚类模型,通过图谱可视化揭示不同地区酒店用户观点差异,并分析不同图谱的社会网络特征。【结果/结 论】研究发现酒店用户最关注的是服务,其次是酒店的环境和位置。本研究能够快速挖掘酒店用户关注内容,对帮 助酒店管理者了解用户住宿需求并以此提高用户满意度具有重要价值。【创新/局限】本文结合主题图谱和文本挖 掘技术构建酒店用户在线评论主题图谱,在大数据文本主题聚类上显示出优越性。但本文仅分析TripAdvisor网站 四个城市中部分酒店的用户在线评论,数据面覆盖不够广泛。     

在线健康社区中医生口碑对患者选择的影响研究——以好大夫在线为例

[目的/意义]在线健康社区中用户参与对医生的评价/打分进而生成医生口碑相关数据信息,从一定程度上反映医生能力水平并给患者选择提供了参考。[方法/过程]以好大夫在线平台为例,抓取8 649位医生的有效面板数据,探索医生口碑与患者选择之间的关系、研究疾病风险的调节作用,建立线性回归模型利用最小二乘法（OLS）对模型拟合。[结果/结论]发现可以用来衡量医生口碑的指标有疗效（β₁=1.933,p<0.1）、态度（β₂=1.870,p<0.1）、感谢信（β₃=0.119,p<0.05）、评论数（β₅=0.253,p<0.05）以及评论情感倾向值（β₆=1.095,p<0.05）是显著的且正向影响患者选择,而礼物指标并不显著（p>0.1）;疾病风险的调节作用是高风险疾病时显著（a₃=1.307,p<0.05）且具有正向调节作用。最后从医生和在线健康社区平台发展的角度提出建议。     

基于LDA的交叉学科潜在主题识别研究 ——以数字图书馆为例

【目的/意义】本文剖析交叉学科的潜在主题识别,分析潜在主题的文献数量,揭示交叉学科的研究主题、构 成和热门研究主题。【方法/过程】以数字图书馆学科为实例,构建交叉学科集成数据集,经过数据集预处理、LDA主 题模型训练、潜在主题标签标注等处理过程,挖掘出交叉学科中的潜在主题及其构成,揭示交叉学科的热门研究主 题。【结果/结论】本文提出了一种基于潜在主题模型的交叉学科主题识别方法,该方法利用了交叉学科与相关基础 学科之间的内在关联,通过整合交叉学科研究文献与相关基础学科研究文献构建集成数据集,能够更为精确地识 别交叉学科的潜在主题和热门研究主题。     

基于知识发布的网络社区用户行为规律研究--以Keep健康社区为例

[目的/意义]深化与丰富网络社区用户知识发布与交流机制相关的理论研究,旨在为网络社区知识服务的前沿发展注入新活力。[方法/过程]以前沿理论研究为基础,从社区用户主体因素和网络社区客体因素两个维度中提取五个要素,构建网络社区用户知识发布行为影响因素模型。借助SPSS软件对所获取到的Keep用户数据进行分析。[结果/结论]偏好运动强度越大、社会交互越多、社会影响力越大、锻炼经验更为丰富的Keep社区用户,其知识发布行为倾向更强烈。     

基于Stacking集成学习的在线健康社区问答信息采纳识别研究

【目的/意义】提出基于Stacking集成学习的问答信息采纳行为识别策略,促进在线健康社区问答的精准化推送、助推数字化医疗服务高质量发展。【方法/过程】构建以集成学习方法和非集成学习方法为基学习器、以逻辑回归算法（LR）为元学习器的Stacking集成学习模型,比较单预测模型、同类预测模型组合、不同类预测模型组合的Stacking集成学习模型预测精度,选取“寻医问药”平台的慢性病问答构建数据集验证模型的优越性,并选取“快速问医生有问必答120”平台数据验证模型的可移植性。【结果/结论】Stacking集成模型相比于单预测模型能够更精准识别被采纳问答信息,模型具有较强的泛化性,可以适用于不同的在线健康社区。【创新/局限】本文基于Stacking集成思想构建两阶段预测模型,并借助机器学习构建最佳预测模型组合,显著提高在线健康社区问答信息采纳识别精度,但伴随问答信息积累,在线健康社区问答模式不断发展变化,考虑结合历史数据和每日更新数据的动态预测方法是未来研究工作重点。     

在线健康社区用户健康信息态度的形成机理研究

[目的/意义]探究在线健康社区用户健康信息态度的构成要素和形成机理,有助于揭露在线健康社区中用户的健康信息态度,为相关机构推进在线健康社区的平台建设与资源管理优化提供思路。[方法/过程]以ABC态度模型和精细加工可能性模型为基础理论,以好大夫在线健康社区用户为研究对象,利用扎根理论方法提取用户健康信息态度的构成要素,分析各要素之间的逻辑关系,最终构建并分析出用户健康信息态度的形成机理。[结果/结论]在线健康社区用户健康信息态度由认知(感知信息内容质量、感知信息效用价值与信息来源可信度)、情感(愉悦度与唤醒度)和采纳行为三要素构成。健康信息态度的形成机理包括以下4类：大众性态度的形成,用户以中心认知为主,边缘认知为辅,情感反应偏向愉悦度;习惯性态度的形成,用户主要采用边缘认知的方式处理信息,情感反应中愉悦度和唤醒度均有出现;常规性态度的形成,愉悦度更能激发用户对健康信息采纳的及时性,唤醒度则反映用户对健康信息采纳的迟滞性;小群体态度的形成,愉悦度对激发用户边缘认知的作用效果更显著,唤醒度则在促进用户中心认知方面的效果更显著。     

基于三方演化博弈的在线健康社区用户隐私披露行为研究

[目的/意义]探究在线健康社区用户的隐私披露行为及其演化规律对促进用户隐私披露行为、提升社区隐私保护及完善互联网医疗体系均有重要意义。[方法/过程]文章构建了“用户—在线健康社区—政府”三方演化博弈模型,并求解了不同情境下的演化稳定策略,最后采用数值仿真验证了模型及演化结果的准确性。[结果/结论](1)用户披露个人隐私是形成最优演化路径的主要驱动力;(2)用户披露个人隐私后获得的医疗服务支持、情感支持等因素会影响用户的博弈策略;(3)隐私泄露造成的期望损失和实施“积极保护”付出的额外成本等因素会影响社区的博弈策略;(4)声誉收益和采取“高投入监管”付出的额外成本等因素会影响政府的博弈策略。对此,提出建议：多措并举,提升用户显性收益;健全机制,降低“积极保护”成本;强化监管,发挥奖惩双重效用。     

基于群体分类的微博用户公共情绪偏好实证研究

基于精细加工可能性模型(ELM)理论,依据微博数、粉丝数和关注数,在将微博用户划分为游离型、信息获取型、活跃型和名人型4种群体的基础上,构建了微博用户公共情绪偏好分析模型,并进行实证研究,最后针对微博用户的分类引导提出了可操作性建议.     

在线健康社区用户信息需求的层级多标签分类研究

[目的/意义]用户健康信息需求研究能够发现用户潜在需求,解决用户健康信息盲区,帮助用户实现更好的自我健康管理。研究目标为挖掘识别用户信息需求主题,提取用户特征,促进完善网络社区交互性与多元性发展,为更好地改善健康信息服务提出建议与意见。[方法/过程]针对在线健康社区的母婴群体,提出在线健康社区用户信息需求层级多标签分类模型。通过扎根理论提出在线健康社区用户信息需求主题体系,利用ALBERT对母婴健康需求类数据进行预训练,使用双向GRU与注意力机制构建基础分类器,以此来构建层级多标签分类模型Multi-BiGRU-Attention,实现在线健康社区提问数据的层级多标签分类。[结果/结论]实验对比发现,随着层级的增加,研究提出的模型相比于单层的基础分类器BiGRU-Attention在micro-Precision, micro-Recall, micro-F1等各项指标上均有所提升,说明该模型的层级结构信息能够一定程度上改善模型效果;相比于层级多标签相关模型,在各项指标上均有所提升,说明该模型存在一定的适用性与扩展性。     

基于多模数据的微博用户兴趣识别研究

【目的/意义】通过社交媒体用户分享的图像、博文及用户标签进行数据挖掘,来判断和预测用户的真实兴 趣,从而更好地为用户做个性化推荐和精准化服务。【方法/过程】在获取微博用户分享的图像、博文及用户标签的 基础上,通过使用机器学习的方法利用图像、博文及用户标签数据来表达用户兴趣特征,基于三类特征使用SVM训 练得到分类器进行用户兴趣类别预测,主要比较单模数据和多模数据的分类指标,探讨多模数据在有监督学习下 的发多分类问题。【结果/结论】实验结果表明,利用图像、博文和用户标签合成的多模数据对用户兴趣进行分类识 别,F值达到77%,比最好的单模数据提升10%。实验结论证实,多模（图像、博文和标签）数据与单模数据相比,提升 了分类效果,同时为多模数据应用研究提供了一定的理论和技术基础。     

基于集体价值创造的在线健康社区价值共创行为研究——以“百度抑郁症吧”为例

【目的/意义】通过分析在线健康社区成员的互动模式和网络结构,探讨其价值共创行为特征,为社区的持续运营和管理提供建议。【方法/过程】以百度抑郁症吧为研究对象,采取质性和定量混合的研究方法,首先采用内容分析法对所爬取的数据进行编码,再利用社交网络分析对各价值网络的网络结构特征和关键用户进行了探究。【结果/结论】结果显示,在在线健康社区中成员以独特的方式进行价值共创,其产生的三种类型的价值互相共存,其中整体网络与社交价值网络相关性最高,知识价值网络和文化价值网络相关性最低;社区成员之间的联系并不密集,并不存在核心-边缘结构;网络中的大多数关键用户角色存在重叠;并根据本文的研究结果提出了三点针对性建议。【创新/局限】首次从在线社区的整体网络结构和成员之间的交互关系探究在线健康社区价值共创行为。但在数据的选择、收集与研究方法的运用上仍有所不足,未来需加以改进。     

在线用户评论的主题发现研究

在线用户评论是电子商务网站中的一个重要板块,找出在线用户评论的关注点有利于网站、商家及时有效地查看用户的反馈信息。本文在对在线用户评论进行分词的基础上,分别使用拉普拉斯评分(LS,Laplacian Score)及信息增益(IG,Information Gain)对所得到的分词结果进行文本主题挖掘,并使用支持向量机(SVM,Support Vector Machine)进行分类精度的检验。实证结果表明,主题选择的结果是有效的,分类的效果与选择的关键词个数和核函数有关。     

基于主题热度调权的用户兴趣建模研究

【目的/意义】针对不同主题下资源数量的差异对用户兴趣建模存在影响的问题,提出一种基于主题热度的 兴趣建模策略,提升模型的预测能力与推荐系统的推荐效果。【方法/过程】以主题下不同资源的数量代表该主题的 热度,以此对用户兴趣特征进行调权处理,并在此基础上利用向量空间模型进行兴趣表示。以抓取的“豆瓣电影” 675351 位用户的观影数据进行推荐实验,验证本文策略的效果。【结果/结论】实验结果显示,基于主题热度调权的 兴趣建模方法的推荐准确率明显高于传统基于绝对频次的兴趣建模方法,该策略可以提升用户兴趣建模效果。     

基于眼动证据的在线健康社区用户信息浏览行为及影响因素研究

[目的/意义]文章旨在丰富在线健康社区领域用户信息浏览行为的研究成果,为在线健康社区建设提供新思路。[方法/过程]本研究设计了一个用户无明确目标导向浏览有问必答网失眠社区信息的实验,借助眼动追踪技术分析用户浏览时的行为特征和影响因素,并比较用户在浏览和查询两种情境下的行为差异。[结果/结论]结果发现,用户的浏览方向在首页页面和内容页面上存在差异,主要使用广度优先策略选择帖子,浏览过程中存在固定的行为模式,浏览和查询两种情境中用户的浏览路径存在一定的区别和联系;在信息加工方面,用户浏览社区首页页面时付出的认知努力比内容页面多,重点关注网页中部的元素;帖子链接排名、广告位置、信息元组织模式、内容主题的差异均对浏览行为有显著影响。最后,本研究根据这些发现提出相应的改善建议。