在線健康社區的知識抽取與用戶行為研究
通常，用戶通過在線健康社區提問一個問題后，面臨著如何從眾多回復中采納一個最滿意回復的問題。同時，如何從海量的問答數據中進行有用信息的識別，對于健康社區的知識管理，社區內的知識搜索以及有用信息推薦等具有重要意義。本書完成以下四方面的工作:（1）針對海量的醫患問答數據，構建深度學習模型，研究在線健康社區中疾病、癥狀和檢查之間的關系抽取問題；（2）針對海量的醫患問答數據，對疾病、藥物和藥物效果進行實體識別，在實體識別的基礎上，進行疾病、藥物和藥物效果之間的關系抽取，在關系抽取的基礎上，研究知識圖譜的構建技術，構建一個基于在線健康社區的知識圖譜框架；（3）立足于提高醫患問答健康社區中用戶滿意度，加強用戶信任的問題，研究在線健康社區中用戶采納一個最滿意醫生回復的知識行為的影響因素，基于知識采納的雙加工理論，開發了一個概念模型，采用文本分析技術，從論據質量和信息源的可信度兩個方面提取變量，分析用戶的知識采納行為。（4）在線健康社區雖然存在豐富龐大的信息，但是用戶卻很難從復雜海量的數據中直接識別出最有用的信息。針對各個在線健康平臺都在尋求一種機制幫助用戶找到相關且有用的信息滿足用戶需求的問題，從問答健康社區中用戶采納和點贊的知識行為著手，研究在線健康社區醫生回復的有用性，從設計科學的思維出發，以知識采納理論作為研究的核心理論，通過采用四種機器學習方法進行識別在線健康社區中醫生回復信息的有用性，并同當前流行的深度學習技術以及前人的經典研究模型進行了對比，證實了本研究框架的優勢。
·13.2萬字
