5.5.2 知识聚类及知识需求可视化

    5.5.3 结果讨论

5.6 本章小结

第6章 虚拟健康社区知识聚合效果的评价指标体系构建

6.1 虚拟健康社区知识聚合效果评价问题提出

6.2 评价指标体系构建

    6.2.1 指标构建依据和原则

    6.2.2 初始指标获取

    6.2.3 筛选方法的选取

    6.2.4 指标筛选过程

    6.2.5 评价指标体系确定

6.3 基于层次分析的虚拟健康社区知识聚合效果实证

    6.3.1 虚拟健康社区知识聚合效果评价模型构建

    6.3.2 虚拟健康社区知识聚合效果评价指标权重

    6.3.3 样本选取及评价结果

    6.3.4 结果讨论

6.4 本章小结

第7章 虚拟健康社区知识聚合效果的优化策略

7.1 虚拟健康社区知识聚合效果优化的要求

    7.1.1 虚拟健康社区知识聚合效果优化的必要性

    7.1.2 虚拟健康社区知识聚合效果优化的可行性

7.2 虚拟健康社区知识聚合效果优化的目标与原则

    7.2.1 虚拟健康社区知识聚合效果优化的目标

    7.2.2 虚拟健康社区知识聚合效果优化的原则

7.3 虚拟健康社区知识聚合效果优化的提升动力与反馈机制

    7.3.1 虚拟健康社区知识聚合效果提升动力

    7.3.2 虚拟健康社区知识聚合效果优化的反馈机制

7.4 虚拟健康社区知识聚合效果优化的策略

    7.4.1 情境感知技术的可用性提升策略

    7.4.2 知识资源挖掘的细粒度化提升策略

    7.4.3 知识聚合适配性提升策略

7.5 本章小节

第8章 总结和展望

8.1 本文总结

8.2 局限与展望

参考文献

个人简介与研究成果

致谢

文章摘要:随着互联网的高速发展,越来越多的用户愿意选择在网络中获取知识和寻求答案,各种功能性网络社区就成为了人们获取信息的第一选择。在互联网高速发展的几十年间,使得数据爆炸式增长,传统的搜索方式已经不能完全满足用户的多样性需求。一时间,网络中的数据呈现出膨胀化、冗余化、碎片化等问题对网络用户获取需求信息的要求带来了巨大的屏障。用户通过网络寻求知识的目的是想利用快捷、简便的方式获取到专业、精准的信息与知识,并迫切需要一种能够高效、精准的获取知识的方式。正是这种需求的存在,才应运而生了各种各样类型的网络平台与网络新媒体,网民可以通过个人的需求不同,在不同类型的网络平台中检索自己喜欢的内容;例如虚拟学习型社区可以检索有关学习的相关内容并在社区中与相似知识需求的网友一起谈论或提问,典型的社区有知乎、小木虫等;例如交友社交类社区可以通过自己的爱好查找相关的娱乐新闻或生活类帖子,亦或是与生活中真实好友或虚拟好友进行聊天互动,典型的社区有新浪微博、微信、博客等;例如生活型虚拟社区可以帮助百姓在互联网中解决实际生活中缴费、预约、反映生活问题的情况,典型的社区有网上银行、网上交警、移动电话营业厅等;以上的例子反映出越来越多的生活中的实际问题都可以再网络中完成,不但节省了网民寻求答案的时间、提高了网民的生活效率也给大家带来了生活中的愉悦感。就此,2018年4月12日国务院总理李克强主持召开常务会议,确定发展“互联网+医疗健康”措施,缓解看病就医难的问题,可以提高医疗效率,充分利用医疗资源,建立互联网医疗体系,此措施发出后必将缓解网民大病就医难、小病无人管的尴尬局面。在此之后,虚拟健康社区出现,网友进入社区后通常有两种活动方式,一是有明确目标后在搜索引擎中进行搜索后筛选自己想要的结果;二是没有明确目的在社区页面中寻找感兴趣的关键词或是感兴趣的板块进行浏览。但通过对虚拟健康社区一段时间的使用后发现,想要精确的查找自己想要的知识或信息的准确答案还是有些困难,这就意味着虚拟健康社区中的后台医疗知识数据不能充分、精确的与网友的需求相匹配,此现象可能会降低用户粘性与活跃度,也对网友的生活没能起到更大的帮助。所以,现在虚拟健康社区中的服务还没能达到人性化,知识聚合还没能达到智能的效果,得到的结果就不能完全与网友的需求契合,本文就是意识到虚拟健康社区中的问题后通过从用户需求的角度来解决知识聚合的高效化和精准化。通过以上发现的问题,本文通过用户需求的角度入手,分析了知识聚合的过程,并通过算法将其优化,以达到用户在虚拟健康社区中能够有效使用知识的目的,本文的主要研究内容包括以下几个方面:（1）通过用户画像的分析得出虚拟健康社区中用户的需求。通过挖掘用户的静态和动态属性标签,构建虚拟健康社区的用户画像,分析得出用户的分类及属性特征,并从不同角度将用户分组,这样能够更加专深化、精准化的从各方位掌握用的需求,在次基础上分析了用户需求动态的演化方向,能更加准确分析出用户需求,最后构建需求演化的过程模型。（2）构建了虚拟健康社区知识聚合模型。首先界定了虚拟健康社区知识聚合的概念,分析认为虚拟健康社区是始于特定的医患需求或具体的健康问题,所以通过运用数理统计分析、大数据挖掘、人工智能、语义网等技术识别社区内部的知识资源,而后通过分析知识需求与知识聚合的关系加之分析虚拟健康社区知识聚合的目标及动因构建虚拟健康社区知识聚合的框架,从而更有利于社区用户对健康知识的获取。（3）谱聚类算法下的虚拟健康社区知识聚合实现。基于“好大夫”健康平台展开分析,爬取好大夫健康平台中的内容进行处理,利用谱聚类算法对提取出的关键词进行算法分析,可以帮助用户虚拟健康社区用户迅速了解相关主题及知识内容,并且帮助社区有效提升用户体验和服务质量。（4）评价聚合效果。运用信息聚合理论和信息传播效果理论,在指标构建依据的指导下,构建虚拟健康社区知识聚合效果评价指标体系,为验证评价指标体系的可用性,选取国内外多个健康社区进行验证,结果表明知识的内容聚合程度得分最高对聚合程度影响最大,这说明虚拟健康社区对知识聚合程度的要求最高,提高知识聚合程度就可以提升社区运营的用户体验,这对提高社区服务能力及用户对社区的认可程度具有重要意义。通过以上理论分析以及技术实现后,对虚拟健康社区知识聚合效果做出评价,最终给出了虚拟健康社区知识聚合的优化策略,以此全方面提升虚拟健康社区中知识资源给用户带来的愉悦体验。

文章来源：《情报科学》 网址: http://www.qbkxzzs.cn/qikandaodu/2021/1110/719.html

上一篇：互联网技术论文_微博舆情信息受众的参与行为拟
下一篇：出版论文_数据驱动的交叉型英文科技期刊青年编