[目的 /意義]在線(xiàn)健康社區(qū)作為用戶(hù)進(jìn)行醫(yī)療健康相關(guān)信息共享和問(wèn)題解決的平臺(tái),其作用日漸顯著,研究在線(xiàn)健康社區(qū)中用戶(hù)交互行為的特征,對(duì)進(jìn)一步發(fā)現(xiàn)在線(xiàn)社區(qū)用戶(hù)交互規(guī)律和相關(guān)平臺(tái)建設(shè)工作有一定的參考價(jià)值。[方法 /過(guò)程]利用數(shù)據(jù)挖掘相關(guān)工具獲取在線(xiàn)健康社區(qū)用戶(hù)交互行為信息,其中以百度貼吧鼻炎社區(qū)為例,并從用戶(hù)自身和交互兩個(gè)維度的相關(guān)指標(biāo)出發(fā),對(duì)活躍用戶(hù)進(jìn)行識(shí)別和分析。在此基礎(chǔ)上,利用內(nèi)容分析法對(duì)活躍用戶(hù)評(píng)論內(nèi)容進(jìn)行編碼,進(jìn)一步劃分用戶(hù)交互行為類(lèi)型。[結(jié)果 /結(jié)論]研究發(fā)現(xiàn),用戶(hù)交互行為可細(xì)分為預(yù)防、求助、癥狀、治療、反饋、提醒、情感、離題8種類(lèi)型。治療類(lèi)、求助類(lèi)交互行為是百度鼻炎吧中主要的交互行為類(lèi)型。鑒于以上研究結(jié)果,在線(xiàn)健康社區(qū)在今后的管理與運(yùn)營(yíng)中應(yīng)該結(jié)合不同類(lèi)型用戶(hù)交互行為的特點(diǎn),關(guān)注不同疾病用戶(hù)的差異化健康信息需求,以適當(dāng)方式為用戶(hù)提供精準(zhǔn)的、優(yōu)質(zhì)的信息服務(wù)。 

【文章來(lái)源】：文獻(xiàn)與數(shù)據(jù)學(xué)報(bào). 2020,2(01)

【文章頁(yè)數(shù)】：13 頁(yè)

【部分圖文】：

研究設(shè)計(jì)

在線(xiàn)健康社區(qū)可以視為一個(gè)包含信息、用戶(hù)和社區(qū)三個(gè)要素相互影響、相互依存的復(fù)雜系統(tǒng)，信息是用戶(hù)參與交互行為和社區(qū)運(yùn)行情況的記錄；用戶(hù)是在線(xiàn)健康社區(qū)的參與者、貢獻(xiàn)者和管理者，用戶(hù)產(chǎn)生、傳播、獲取、評(píng)價(jià)和使用健康信息；社區(qū)是用戶(hù)線(xiàn)上活動(dòng)的場(chǎng)所和用戶(hù)間的信息交流空間[17]。在線(xiàn)健康社區(qū)中用戶(hù)之間的交流和互動(dòng)對(duì)于患者和社區(qū)均至關(guān)重要，在線(xiàn)社區(qū)由于用戶(hù)之間的互動(dòng)會(huì)提供給用戶(hù)有效的健康信息，患者可以從其他用戶(hù)得到生理和心理的支持和幫助。但是在線(xiàn)健康社區(qū)中不同用戶(hù)的活躍程度差別較大，活躍度的高低影響著用戶(hù)之間的交互行為，因此本文通過(guò)以上的數(shù)據(jù)指標(biāo)對(duì)鼻炎貼吧的用戶(hù)數(shù)據(jù)進(jìn)行活躍用戶(hù)的識(shí)別。首先利用wssplot函數(shù)來(lái)確定聚類(lèi)分析中的類(lèi)的最佳數(shù)目，得到組內(nèi)平方和隨著聚類(lèi)個(gè)數(shù)變化圖。如圖2所示，從一類(lèi)到三類(lèi)變化時(shí)，組內(nèi)的平方和有明顯的下降趨勢(shì)，三類(lèi)以后，下降的速度減弱，表明聚成三類(lèi)對(duì)于數(shù)據(jù)來(lái)說(shuō)是一個(gè)很好的擬合，所以本文中取k=3。本文使用RapidMiner工具中的K-Means算法對(duì)處理后的用戶(hù)相關(guān)指標(biāo)數(shù)據(jù)進(jìn)行聚類(lèi)分析，最終得到的用戶(hù)活躍度聚類(lèi)結(jié)果如下：第一類(lèi)用戶(hù)90人，第二類(lèi)用戶(hù)1298人，第三類(lèi)用戶(hù)1417人。結(jié)果如圖3所示：

本文使用RapidMiner工具中的K-Means算法對(duì)處理后的用戶(hù)相關(guān)指標(biāo)數(shù)據(jù)進(jìn)行聚類(lèi)分析，最終得到的用戶(hù)活躍度聚類(lèi)結(jié)果如下：第一類(lèi)用戶(hù)90人，第二類(lèi)用戶(hù)1298人，第三類(lèi)用戶(hù)1417人。結(jié)果如圖3所示：K-Means用戶(hù)指標(biāo)質(zhì)心結(jié)果如表2所示：

【參考文獻(xiàn)】：
期刊論文
[1]在線(xiàn)健康社區(qū)用戶(hù)參與行為的類(lèi)型及偏好研究[J]. 張?chǎng)?  情報(bào)資料工作. 2019(05)
[2]在線(xiàn)健康社區(qū)信息需求主題分析[J]. 唐曉波,李津.  數(shù)字圖書(shū)館論壇. 2019(02)
[3]微信群中會(huì)話(huà)網(wǎng)絡(luò)結(jié)構(gòu)及用戶(hù)交互行為分析[J]. 李綱,王馨平,巴志超.  情報(bào)理論與實(shí)踐. 2018(10)
[4]國(guó)內(nèi)在線(xiàn)健康社區(qū)研究現(xiàn)狀綜述[J]. 趙棟祥.  圖書(shū)情報(bào)工作. 2018(09)
[5]在線(xiàn)健康社區(qū)中用戶(hù)回帖行為影響機(jī)理研究[J]. 劉璇,汪林威,李嘉,張朋柱.  管理科學(xué). 2017(01)
[6]網(wǎng)絡(luò)健康社區(qū)信息需求特征測(cè)度——基于時(shí)間和主題視角的實(shí)證分析[J]. 李重陽(yáng),翟?shī)檴?鄭路.  數(shù)字圖書(shū)館論壇. 2016(09)
[7]基于文本挖掘的問(wèn)答社區(qū)健康信息行為研究——以“百度知道”為例[J]. 鄧勝利,劉瑾.  信息資源管理學(xué)報(bào). 2016(03)
[8]用戶(hù)在線(xiàn)參與的行為類(lèi)型——基于在線(xiàn)健康社區(qū)的質(zhì)性分析[J]. 周軍杰.  管理案例研究與評(píng)論. 2016(02)
[9]微信用戶(hù)活躍度影響因素分析[J]. 黃煒,李總苛,李岳峰.  湖北工業(yè)大學(xué)學(xué)報(bào). 2015(06)
[10]用戶(hù)認(rèn)知對(duì)標(biāo)簽使用行為的影響分析——基于電影社會(huì)化標(biāo)注數(shù)據(jù)的實(shí)證分析[J]. 林鑫,周知.  情報(bào)理論與實(shí)踐. 2015(10)

碩士論文
[1]不同信任環(huán)境下社交網(wǎng)絡(luò)用戶(hù)影響力、活躍度及自我表露關(guān)系研究[D]. 霍英男.北京郵電大學(xué) 2015
[2]新浪微博與騰訊微博個(gè)人頁(yè)比較研究[D]. 曹磊.華中科技大學(xué) 2012
[3]基于網(wǎng)絡(luò)社區(qū)用戶(hù)活躍度的研究[D]. 劉卉.上海師范大學(xué) 2012



本文編號(hào)：3332451