基于用户行为指标的在线健康社区用户画像研究

来源:用户上传      作者:蔡春雨

　　摘 要：在线健康社区已成为公众获取健康信息和服务的重要平台，构建在线健康社区用户画像，有利于明确社区用户的群体特征和信息需求，为社区提高信息服务质量提供借鉴。从信息行为学角度出发构建群体用户画像分析模型，对用户行为指标进行提取，利用高斯混合模型对用户进行聚类分析，将社区中群体用户分为三类。通过对社区关键用户的识别和特征分析，一方面可以准确了解社区用户的信息需求，提供健康信息服务;另一方面可以提高关键用户的数量，促进在线健康社区的良好发展。
　　关键词：在线健康社区;行为指标;用户画像;高斯混合模型;信息服务
　　中图分类号：TP391 文献标识码：A文章编号：2096-4706（2022）06-0144-04
　　User Portrait Research on Online Health Community Based on User Behavior Indices
　　CAI Chunyu
　　（School of Management， Shandong University of Technology， Zibo 255012， China）
　　Abstract： Online health community has become an important platform for the public to obtain health information and services. Building online health community user portrait is beneficial to clarify the community user population characteristics and information requirements， and it provides reference for the community to improve the quality of information service. From the perspective of information behavior， the group user portrait analysis model is constructed， the user behavioral indices are extracted， and the Gaussian mixture model is used for cluster analysis of users， and the group users in the community are divided into three categories. Through identifying and analyzing the characteristics of key users in the community， on the one hand， it can accurately know the information requirements of community users and provide health information services. On the other hand， it can increase the quantity of key users and promote the good development of online health community.
　　Keywords： online health community; behavioral indice; user portrait; Gaussian mixture model; information service
　　0 引 言
　　截至2020年，我65岁及以上人口占比高达12.6%，人口老龄化、慢性病及医疗资源分布不均的痛点对我国现在的医疗体系产生巨大压力[1]，促使互联网医疗行业不断发展，在线医疗用户规模高达2.76亿人[2]。如何促进在线健康社区的发展，在于怎样利用用户大数据准确识别在线健康社区用户的特征，用户画像则能够实现用户属性与行为的关联[3]。通过用户的信息数据提取出用户的行为指标，可以准确识别用户的信息需求行为和内容特征。
　　基于此，本文以在线健康社区―胆管癌、胆囊癌QQ群为例，对在线健康社区用户进行群体用户画像研究，从用户的基本特征、信息特征、交互特征、情感特征四个维度出发，基于用户的行为指标构建在线健康社区的群体用户画像;并通过聚焦于在线健康社区群体用户行为指标的研究，致力于准确识别用户类型，从而为用户提供准确合理的健康信息服务。
　　1 用户画像研究
　　1.1 在线健康社区研究现状
　　在线健康社区（Online Health Community）是以健康为主题的在线社区，医生、患者及其家属就健康或疾病治疗等相关问题，用发文、回复等形式完成信息交互[4]。目前，关于在线健康社区的研究主要从社区内信息、社区和用户三个维度展开。在信息维度，学者们主要采用文本挖掘、机器学习等方法对信息内容或主题分析;在社区维度，研究大多集中于如何利用在线社区如微博、博客等进行健康消息的传播和共享;对于用户关系网络的研究主要从网络的整体结构、网络形成的影响因素、网络特征等角度展开。吴江等[5]用社会网络分析方法构建在线健康社区知识共享网络，发现在线健康社区的知识网络具有小世界效应，且存在核心知识贡献者，使得知识可以在社区内快速传播。
　　1.2 用户画像研究思路
　　用户画像（User Profile）是基于数据挖掘提取用户的属性及行为特征，抽象出用户社交属性、生活习惯、消费者行为等信息标签，再利用这些标签将用户形象具体化，从而为用户提供有针对性的服务。

nlc202207081755

转载注明来源:https://www.xzbu.com/1/view-15435780.htm