在线健康社区用户个性化及社群化服务研究

目的:优化在线健康社区用户画像模型,全面客观地揭示用户的多维度特征,基于用户画像提出社区用户个性化及社群化服务的建议,提升在线健康社区社会支持服务功能及用户体验。方法:利用模糊逻辑从用户基本属性、社交、兴趣、情感倾向4个维度优化在线健康社区用户画像模型,并对在线健康社区用户进行分类,在“知乎”平台糖尿病话题中选取不同类型用户中的典型用户进行应用研究。结果:根据用户黏性高低、内容贡献量高低、正负情感倾向将3934名知乎糖尿病话题用户划分为低黏性低产积极、低黏性低产消极、低黏性高产积极等8类用户,每类选取2位典型用户用以刻画用户形象;社区运营者可从定期推送社区信息、设计或完善发帖奖励机制、提供情感咨询服务等方面管理社区用户。结论:经过优化的在线健康社区用户画像可准确客观地揭示用户社交行为、兴趣需求、情感倾向等特征,有助于社区运营者提供精准的信息服务和丰富各类社会支持服务,促进社区长久发展。

基于语义谓词优化的疾病因果关系发现

挖掘PubMed生物医学文献中蕴含的疾病因果关系,能够为疾病预防、诊疗提供参考,促使建立更好的疾病预防和治疗措施。本研究提出基于SemRep语义谓词优化的疾病因果关系抽取方法,构建了包含50个语义谓词的疾病因果关系语义谓词表,自动抽取259434条疾病因果关系对,揭示疾病之间的单向因果关系和双向因果关系,并结合可视化图形直观呈现。最终验证了优化语义谓词的方法提升SemRep对疾病因果关系抽取效果的可行性,能够有效地从大规模生物医学文献中抽取疾病因果关系,也为其他领域的语义关系精准发现提供借鉴。

共同第一作者和共同通讯作者的贡献要素分析

目的对存在共同第一作者和共同通讯作者的情况下,不同位置的共同第一作者和共同通讯作者的贡献声明要素进行分析。方法检索Web of Science数据库中2020年发表的以COVID-19为主题的论著,经多次数据清洗,对存在共同第一作者和共同通讯作者,且含有作者贡献声明的SCI论著进行数据分析,并对共同第一作者和共同通讯作者的贡献声明要素进行统计和分析,归纳不同位置的共同第一作者和共同通讯作者的贡献声明要素的特点,并采用层次分析法计算作者贡献声明要素指标的权重。结果共同第一作者贡献声明要素排名第1的要素为数据的统计分析与解释,第8位至第10位的均为指导、监督、建议、管理,绘制图片、表格、图形、图谱等,以及提供或获取课题基金。撰写初稿或撰写部分内容、研究的构思与设计、数据的获取、处理、保存等排位相对靠前,提供材料、样品、案例、工具、招募或管理病人、模型、算法、代码等和论文修订排位相对靠后;共同通讯作者贡献声明要素排名第1的要素为研究的构思与设计,第4位为指导、监督、建议、管理,撰写初稿或撰写部分内容、数据的统计分析与解释排位相对靠前;论文修订、数据的获取、处理、保存等排位相对居中,实验设计、实施、提供材料、样品、案例、工具、招募或管理病人、模型、算法、代码等排位相对靠后;获取课题基金和绘制图片、表格、图形、图谱等则位于最后2位。作者贡献声明要素指标权重分别为11.832、11.047、10.681、10.995、9.110、10.157、9.319、8.796、9.110、8.953。结论共同第一作者最重要的工作是对数据的分析解读,影响研究的最终结论,而共同通讯作者主要对构思与设计研究,进行全局性的把控。作者贡献声明要素指标权重可用于共同第一作者和共同通讯作者的作者贡献量化模型构建研究中。