排序方式: 共有66条查询结果,搜索用时 15 毫秒
51.
[目的/意义] 探究网络健康社区知识共享的影响因素,对优化网络健康社区知识服务、促进健康知识的交流与传播具有重要意义。[方法/过程] 将网络健康社区中的知识划分为公共健康知识和个人健康知识,依据社会认知理论构建影响因素模型,并利用结构方程模型进行验证和分析。[结果/结论] 数据分析结果表明,自我效能、利他主义、社会信任、社会认同、感知有用性等变量与公共健康知识和个人健康知识共享行为都呈显著正相关,感知风险与公共健康知识共享行为无显著相关性,与个人健康知识共享行为呈显著负相关。 相似文献
52.
在“健康中国行动”背景下,在线健康社区是促进健康信息和知识生成及传播的重要阵地。文章从用户角度出发,考虑信息规避,研究在线健康社区患者用户行为策略的交互影响,为在线健康社区持续发展与建设优化提供参考。文章通过构建患者用户参与在线健康社区问答的博弈演化模型,分析患者策略效益以及策略演化过程,并利用仿真模型探究参与问答中健康信息和知识接受程度、问答中健康信息和知识收益、参与问答信息风险成本等因素的作用。研究表明:在影响因素参数不同的情况下,系统稳定均衡结果存在差异。健康信息和知识接受程度、问答中健康信息和知识收益与患者用户参与问答概率正相关,参与问答信息风险成本与患者用户参与问答概率负相关。 相似文献
53.
数字时代,表露健康隐私信息的收益和风险正面临更激烈的博弈。本研究采用两阶段解释性时序混合设计,利用双重计算模型,探索在线健康社区用户表露健康隐私信息的影响机制和深层动机,回应用户缘何、如何共享健康信息的根本问题。研究结果显示,用户的健康信息表露决策经历风险计算和隐私计算两大阶段:风险计算阶段,作为保护动机的隐私关注同时受威胁评估和应对评估影响;隐私计算阶段,包括社会支持在内的多项利好构成收益评估,与隐私关注代表的损失评估,构成了“收益-损失”权衡,驱动经济理性的表露决定。但访谈结果表明,这一机制深受认知偏差干扰,表现出收益评估远胜损失评估的特点。本研究反思健康信息的隐私边界,以经验证据完善了经典的信息决策模型,并在跨学科视域下挑战以经济理性为基础的传统隐私研究,丰富了传播学研究在该领域的成果。 相似文献
54.
55.
[目的/意义]通过对在线健康社区意见领袖交互行为的分析,探讨其识别、特征、影响和作用,为社区的良好运转和管理提供建议。[方法/过程]构建两级传播理论下的在线健康社区意见领袖模型,并以百度"自闭症吧"数据为例,结合社会网络分析方法研究社区整体网络特征、意见领袖个体网络特征和用户间交互网络。[结果/结论]百度"自闭症吧"整体网络中间密集,边缘稀疏,具有小世界效应;通过中心度分析及k核分析发现识别出的意见领袖各项个体指标数值均偏高,处在整体网络核心位置,有效连接信息传播两级,推动信息在来源层、意见领袖层和受众层间稳定流动,为其他用户提供帮助鼓励;验证了所建模型并根据研究发现提出两点针对性建议。 相似文献
56.
在在线健康社区中,为激励在线医生积极参与诊疗服务,引入公平偏好,构建并求解声誉激励模型,利用MATLAB对模型进行数值仿真验证结论.研究表明,在完全信息条件下,在线医生的公平偏好系数与声誉激励系数正相关;在不完全信息条件下,在线医生的公平偏好系数与声誉激励系数无关;无论考虑公平偏好系数与否,在线医生的努力水平、信用能力... 相似文献
57.
【目的/意义】提出基于Stacking集成学习的问答信息采纳行为识别策略,促进在线健康社区问答的精准化推送、助推数字化医疗服务高质量发展。【方法/过程】构建以集成学习方法和非集成学习方法为基学习器、以逻辑回归算法(LR)为元学习器的Stacking集成学习模型,比较单预测模型、同类预测模型组合、不同类预测模型组合的Stacking集成学习模型预测精度,选取“寻医问药”平台的慢性病问答构建数据集验证模型的优越性,并选取“快速问医生有问必答120”平台数据验证模型的可移植性。【结果/结论】Stacking集成模型相比于单预测模型能够更精准识别被采纳问答信息,模型具有较强的泛化性,可以适用于不同的在线健康社区。【创新/局限】本文基于Stacking集成思想构建两阶段预测模型,并借助机器学习构建最佳预测模型组合,显著提高在线健康社区问答信息采纳识别精度,但伴随问答信息积累,在线健康社区问答模式不断发展变化,考虑结合历史数据和每日更新数据的动态预测方法是未来研究工作重点。 相似文献
58.
[目的/意义]为减少医疗资源的浪费、推动患者更高效的针对性就医,提出一种基于在线问诊文本信息的线下就诊医院推荐方法。[方法/过程]首先,利用LDA主题模型对在线医院问诊文本进行建模,识别出其中的隐藏疾病主题,并以疾病主题代表医院诊疗优势。然后,根据患者所患疾病,筛选出具备该疾病优势下的医院。结合多种相关数据,运用熵值法确定各维度数据的权重。最后,使用TOPSIS计算该优势下每家医院的推荐指数,并将排名前五的医院推荐给患者。[结果/结论]以“好大夫在线”平台中的问诊文本作为实验数据集,进行验证。实验结果表明,本研究提出的推荐方法降低了单一维度和人为主观性对结果造成的影响,具有良好的推荐效果。 相似文献
59.
[目的/意义]隐私安全问题是影响用户获取健康信息与服务的重要因素,研究在线健康社区个人信息隐私保护问题,对确保用户健康隐私安全,促进在线健康社区持续发展具有重要意义。[方法/过程]在引入激励机制情况下,构建以用户和在线健康社区为博弈双方的收益矩阵,通过计算和Matlab仿真分析,得出有无激励机制情形下博弈主体行为稳定的条件以及各关键变量对博弈主体策略选择的影响程度。[结果/结论]用户和在线健康社区二者之间的策略选择受激励机制、用户隐私泄露风险、倒卖隐私收益的共同影响,通过引入合理的激励机制,提高用户隐私安全意识,完善隐私政策可有效解决隐私安全隐患。 相似文献
60.
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