共查询到20条相似文献，搜索用时 31 毫秒
1.
在线健康社区用户信息需求的层级多标签分类研究 总被引：1，自引：0，他引：1
[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。 相似文献
2.
【 目的/意义】在突发公共卫生事件情境下面向在线健康社区用户画像与分群,有助于提升社区服务质量,为
拓宽互联网疫情风险感知渠道作出贡献。【方法/过程】以“COVID-19”为例,结合社区数据特点从用户基本特征、
用户兴趣主题、情感倾向、用户问诊需求和用户交互网络角色五个角度出发构建画像标签并利用DBSCAN聚类实
现画像,根据画像结果呈现用户概貌;利用 AP算法在画像基础上实现用户分群,通过社会网络分析找到最具疫情
风险发现价值的用户类群。【结果/结论】实例分析表明,本文所构建的模型能够有效生成在线健康社区用户画像,
画像可以对社区用户进行概括、映射用户原貌;分群结果呈现出5类社区用户群：患者、疑似患者、医师、奉献者和社
区管理员;社会网络分析表明最具疫情风险发现价值的用户群体为疑似患者和奉献者。【创新/局限】实例分析数据
量尚达不到“大数据”标准,画像构建粒度仍有继续提升的空间。 相似文献
3.
[目的/意义]在线健康社区在突发公共卫生事件的应急和管理中发挥了重要的作用,对社区中用户关注的事件话题及其情感进行分析和监测有助于社区平台创新应急服务水平,提升舆情监管部门的舆情管理水平。[方法/过程]为了实现在线健康社区突发话题与情感的共现关联分析,首先抽取话题及其特征词,计算话题突发强度;然后对用户情感进行分类与极性强度计算;接着对突发话题与情感进行共现可视化分析;最后对话题突发强度与情感表达之间的关系进行实证分析。[结果/结论]文章的研究思路与方法可以直观地观测用户交互话题的突发性以及话题—情感的演化进程;情感强度与话题突发强度存在正向弱相关关系,随着话题突发强度增强,用户表达的情感类型也会有所不同。 相似文献
4.
[目的/意义]网络用户主要通过购物类、社交类和点评类三种常见网络类型平台发表带有情感倾向的评论,但是由于用户群体、可评论时间、可评论次数以及评论方式等的不同,使得这三种网站类型中的用户对于同一主题的情感表达存在较大差异。文章从用户情感表达特征角度对比评测购物类、社交类和点评类三种主流网络平台中用户情感评论特点,为情感分析数据源选择提供借鉴。[方法/过程]在情感分析的基础上,通过对评论特点、用户情感特征和用户痛点等的对比分析和实证分析,探索三种平台的情感表达特点。[结果/结论]实验结果表明,不同类型网络平台评论的主要内容、情感特征以及痛点表现方面均存在明显差异,进而对情感分析信息源选择提供依据。 相似文献
5.
[目的/意义]理解用户需求是企业管理实践中的重要一环,在线评论作为用户偏好表达的重要渠道,是企业发现用户需求的重要数据来源。因此,如何从在线评论中有效挖掘出用户需求,是一个重要的研究问题。[方法/过程]文章构建了一个基于KANO模型、面向在线评论的用户需求分析框架。首先利用LDA主题模型从在线评论中抽取商品属性,然后基于BERT模型标注出不同属性上的评论短句,并对其进行情感分析,最后依据不同属性上的评论短句与情感分析结果,通过KANO模型分析用户属性需求。以手机评论数据为例对模型进行验证。[结果/结论]将商品属性分为必备属性、期望属性、魅力属性与无差异属性四类,并以可视化结果呈现。实验结果表明面向在线评论的用户需求分析框架能够有效提取在线评论中用户的属性需求信息,为企业提供产品改进策略参考。[局限]样本数据集有限,存在不均衡状况。 相似文献
6.
[目的/意义]理解用户需求是企业管理实践中的重要一环,在线评论作为用户偏好表达的重要渠道,是企业发现用户需求的重要数据来源。因此,如何从在线评论中有效挖掘出用户需求,是一个重要的研究问题。[方法/过程]文章构建了一个基于KANO模型、面向在线评论的用户需求分析框架。首先利用LDA主题模型从在线评论中抽取商品属性,然后基于BERT模型标注出不同属性上的评论短句,并对其进行情感分析,最后依据不同属性上的评论短句与情感分析结果,通过KANO模型分析用户属性需求。以手机评论数据为例对模型进行验证。[结果/结论]将商品属性分为必备属性、期望属性、魅力属性与无差异属性四类,并以可视化结果呈现。实验结果表明面向在线评论的用户需求分析框架能够有效提取在线评论中用户的属性需求信息,为企业提供产品改进策略参考。[局限]样本数据集有限,存在不均衡状况。 相似文献
7.
【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。 相似文献
8.
9.
[目的/意义]探究在线健康社区的研究热点及主题演化脉络,为在线健康社区领域的探索研究提供借鉴,同时在一定程度上助力健康中国战略的实施。[方法/过程]以2006—2021年Web of Science核心集中有关在线健康社区领域的339篇文献为研究对象,利用SciMAT软件制作关键词重叠图、主题战略坐标图和主题演化路径图,分析在线健康社区领域的研究热点和演化路径。[结果/结论]在线健康社区领域各时期聚类的主题数量先减后增,主题类团的演化能力不断增强,演化路径日渐平稳。三条主要的主题演化路径为：(1)在线健康社区的社会支持研究：社会支持→社会支持→社会支持→社会支持、癌症;(2)在线健康社区的在线社交媒体研究：质量→在线社交媒体→在线社交媒体;(3)在线健康社区的在线评论研究：口碑→在线评论。 相似文献
10.
[目的/意义]构建多源数据融合获得细粒度的用户画像标签,加强和提升服务场景的用户画像识别与精准推荐,对于洞察用户需求、开展群体精准营销、提高用户忠诚度等有着重要的参考意义。[方法/过程]融入服务场景构建多源数据融合的用户画像识别与推荐分析框架,以用户价值模型RFM重构表征用户行为的RFCLS标签,采用LDA模型提取用户资源使用偏好的文本语义标签,继而将用户属性、用户行为和资源使用偏好等多源异构数据汇聚成用户画像标签体系后,选取随机森林模型对不同标签组合展开用户画像识别的模型训练和分类性能评估。[结果/结论]实证研究表明,与单一的数值型或者文本型画像标签体系相比,多源数据融合的用户画像模型提升了用户画像识别和分类的精准度,有效支撑高校图书馆开展更为针对性的营销服务策略和个体精准化服务推荐。 相似文献
11.
[目的/意义] 近些年来,在线健康社区变得越来越流行。然而,较少社区能成功地维持用户并激励他们持续的分享知识。本文将社会支持理论和承诺-信任理论结合起来,构建一个集成模型来研究在线健康社区用户的持续知识分享意愿的影响因素。[方法/过程] 根据获得的475份有效调查问卷,本文使用SPSS20.0和AMOS20.0检验所提出的假设。[结果/结论] 研究发现,信息支持、情感支持对满意度和信任均有显著影响,网络支持仅对满意度有显著影响。此外,满意度和信任除了对持续知识分享意愿有直接正向影响外,还通过关系承诺的中介,有间接的作用。研究有助于深化对知识分享行为的认识以及帮助在线健康社区的管理者更好地维系用户。 相似文献
12.
[目的/意义]研究在线问答社区中不同社会支持与社区信息如何影响“潜水中”社区成员的认知与行为，分析在线问答社区中潜水用户在线体验，以提高社区活跃度。[方法/过程]构建提问信息效价与回答社会支持之间的匹配对潜水用户(视作观察者)的平台满意度和参与意向的影响模型，采用2(接收信息效价：积极vs.负面)×2(社会支持类型：情感vs.信息)组间实验进行模型验证。[结果/结论]在线问答社区中信息效价与社会支持对潜水用户的认知与行为影响存在差异且对感知有用性和敏感性有交互效应，在积极信息中，潜水用户对情感支持比信息支持有更高的敏感性，而在负面信息中，信息支持比情感支持有更高的有用性；同时不同问答情景导致潜水用户的平台满意度和参与意愿存在差异。 相似文献
13.
[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。 相似文献
14.
【目的/意义】在线健康社区的快速发展为用户获取医疗健康信息和服务提供了重要平台。但用户主要以 搜索和浏览信息为主，缺乏知识分享意愿，这将影响社区的可持续发展。整合信息系统成功模型和社会支持两个 视角，研究了在线健康社区用户知识分享行为。【方法/过程】对收集的326份有效问卷采用结构方程模型进行分 析。【结果/结论】研究结果发现，信息质量和服务质量显著影响用户对社区的信任，信息支持和情感支持显著影响 用户对其他成员的信任，信任和隐私风险决定用户知识分享的意愿。研究结果启示在线健康社区应重视信息服务 质量，为社区用户创造可信的互动环境，减少用户隐私担忧，从而促进成员的知识分享意愿和行为。 相似文献
15.
[目的/意义]鼓励在线健康社区医生的知识贡献行为是提升在线健康服务质量、推动在线健康社区可持续发展的重要保障。[方法/过程]文章以好大夫在线为研究对象,采用收益和成本视角,基于模糊集定性比较分析方法(fsQCA)对影响医生知识贡献行为的因素组态进行探究。[结果/结论]结果显示,触发在线健康社区医生知识贡献行为的影响因素组态可分为4类：荣誉收益型、物质收益型、物质与荣誉收益兼顾型以及低成本型,且荣誉收益是影响在线健康社区医生知识贡献行为的核心因素。揭示不同收益和成本因素组态的联合影响机制和实现路径,对在线健康社区提升医生的知识贡献活跃度和参与度具有一定的实践意义。 相似文献
16.
[目的/意义]旨在探析隐私计算视角下在线健康社区知识转移粘滞影响因素,构建理论模型,为完善在线健康社区健康信息隐私安全保护机制、交互性服务建设与运营管理提出建议。[方法/过程]采用质性研究方法,借助软件NVivo12对访谈资料进行内容分析与编码,归纳影响在线健康社区知识转移粘滞的4个主要因素以及14个子因素,并构建在线健康社区知识转移粘滞影响因素模型。[结果/结论]感知风险、社会收益、情感收益和主观规范对在线健康社区知识转移粘滞都有不同程度的影响。据此,总结相关启示。 相似文献
17.
【目的/意义】在线健康社区有两类不同的用户：患者和医生,旨在考虑医患两类用户及其特点,找到影响在 线健康社区用户知识共享的关键因素,为在线健康社区的良好可持续发展提供参考建议。【方法/过程】在线健康社 区中知识共享行为主要可能发生在患者与患者之间以及患者与医生之间,依据演化博弈理论方法建立在线健康社 区两类用户知识共享行为演化博弈模型,通过对模型的求解,以及MATLAB对模型的仿真模拟,分析影响在线健康 社区两类用户知识共享的因素。【结果/结论】首先,用户积极参与知识共享的前提是用户能通过知识共享获得除知 识收益以外正的期望收益;其次,患者的情感支持收益、互惠利他、共享成本、隐私顾虑、给予医生的奖励和社区患 者数量占比以及医生的声誉收益、执行成本等是影响用户知识共享演化博弈的关键因素;最后,基于研究结论具体 给出在线健康社区运营管理建议。 相似文献
18.
[目的/意义]从在线健康社区用户兴趣的动态迁移性出发，将时间特征融入社交关系和个人偏好，完善在线健康社区个性化推荐算法，进一步提高用户获取健康信息的准确性。[方法/过程]首先，从用户社交关系出发，构建融入时间特征的用户影响关系网络；其次，依据用户个人偏好，构建融入时间特征的用户话题帖匹配矩阵；最后，将两者融合得到用户话题帖兴趣评分矩阵，据此形成每个用户的TOP-N推荐列表。[结果/结论]构建的融合时间特征的个性化推荐算法可提高推荐的准确度，提升在线健康社区个性化推荐算法的性能。 相似文献
19.
[目的/意义]基于动态用户画像探索学术虚拟社区的粘性驱动机制在于用户角色精准定位，有助于提升用户忠诚度、信任度、留存率、回访率。[方法/过程]依据社区属性和用户感知分析学术虚拟社区的粘性驱动因子；以用户自然属性、行为属性、心理特征为用户画像的数据来源，建构包括基础数据、行为建模、服务应用、评价反馈4个模块的动态用户画像结构模型；结合驱动因子与结构模型构建了粘性驱动机制模型。[结果/结论]模型深度刻画了学术虚拟社区用户全貌，为优化系统效能和精准化服务指供指导，以期增强学术信息资源流转与学术影响力。 相似文献
20.
[目的/意义]旨在发现国内用户画像研究领域的研究主题以及这些主题的发展脉络,为图书馆用户画像的构建提供参考。[方法/过程]运用LDA主题模型对国内用户画像研究论文的题目、摘要和关键词等内容进行文本挖掘,按年度对热点主题进行分析并发现各主题的演化趋势。[结果/结论]国内用户画像研究领域大体可划分为8个研究主题：新媒体营销、电商系统与精准营销、推荐算法与推荐系统、健康信息服务、教育教学、金融服务、社交网络与内容分析、高校图书馆与信息服务。研究主题按年度演化趋势可分为上升主题、平稳主题和衰减主题3类。高校图书馆与信息服务是上升幅度最大的主题,这表明研究人员越来越关注用户画像在图书馆及相关领域的应用研究。 相似文献