第三节 研究意义

一、理论意义

本书基于医患问答在线健康社区，研究了疾病诊断和疾病用药健康管理的知识抽取和知识图谱构建，并在知识图谱构建的基础上，更准确地提取特征变量，研究医患问答健康社区用户的知识采纳行为，以及如何识别问题回复有用性。其理论意义在于：

（1）本书拓展了在线健康社区关于疾病诊断的知识挖掘研究，具有重要的学术意义。以前的与疾病诊断相关的关系抽取研究大都集中在电子病历、出院摘要、生物医学文献摘要等语料上。本书将疾病诊断的关系抽取拓展到在线健康社区，研究与疾病和症状对应的检查信息，关系抽取的结果可以辅助医生诊断决策，帮助用户进行健康管理。后续还可以根据疾病诊断关系抽取结果，研究随着时间的推移，不同地区疾病对应检查的演化情况，可以进一步研究不同地区信息知识传播的快慢程度，医疗投入的程度，城乡之间的分布变化，以及医生聚集地方的疾病、症状对应的检查发生的变化，以及医疗改革背景下不同地区的疾病、症状对应的检查变化情况，具有重要的学术价值和现实意义，同时拓展了疾病诊断研究的数据来源，丰富和补充了现有的医学知识体系。

（2）本书丰富了疾病用药管理的知识来源，拓展了从在线健康社区进行知识抽取的研究方向。本书针对在线健康社区的中文大样本医患问答数据，进行疾病用药效果的关系抽取研究，研究在线健康社区中疾病用药的健康管理，丰富了疾病用药管理的知识来源；同时，疾病用药以及药物效果关系抽取的结果对于辅助医生诊断，帮助用户进行就医前自诊，辅助用户进行疾病用药管理等都有借鉴意义，补充和完善了现有的医学知识体系，对于从大样本数据中获取具有个体异质性人群的疾病用药效果，具有重要的实践意义。本书通过进行在线健康社区的疾病诊断和疾病用药健康管理的知识抽取，拓展了知识抽取在知识图谱构建上的研究方向。

目前各行各业都在建立自己的知识图谱，基于在线健康社区的知识抽取构建知识图谱，补充和完善了现有的医学知识体系，对于医学信息检索、疾病诊断和治疗、信息管理等具有重要的行业应用价值，同时拓展和丰富了现有的知识图谱研究和应用领域，从而成为健康知识领域体系的重要部分。

（3）本书拓展了在用户采纳行为影响因素方面的研究。当前对医患问答健康社区用户采纳行为的研究主要集中在开放型社区，如维基百科（沈晓玲、张程明、李明凯，2013）、百度问答（金家华等，2016）等，学者们关注了医生回复的哪些信息影响了用户最后的采纳结果。本书首次将对用户采纳行为的研究拓展到医患问答在线健康社区，分析了哪些因素（医生的个人信息以及回复的信息质量等以及用户信息等因素）影响了用户采纳一个自己最满意的医生回复，并对结果进行分析，指出了研究的理论和实践意义，拓展了在用户知识采纳行为上的研究方向，为后续的用户行为研究提供了借鉴。

（4）本书在健康领域的文本特征提取方法为相关领域的文本分析工作提供了借鉴。对医患问答健康社区的文本进行分析时，本书借鉴英文的特征提取和文本处理方法，综合全面地从多个维度的特征词、主客观情感、文本语义特征等方面提取特征变量，同时，从知识采纳行为理论的中心路径和外围路径提取变量，根据在线健康社区的互动特点，在中心路径信息质量的元设计上加入结构性特征，反映了回复先后顺序对信息有用性的影响。综合全面的特征提取使得语义关系分析的结果更加准确，同时为中文相关领域的特征提取及文本处理方法提供了借鉴。

（5）本书依据设计科学的思维，以知识采纳行为理论为核心理论，提出了一种识别医生回复信息有用性的研究框架。本书提出了基于知识采纳模型理论的设计过程，制定了信息有用性元需求，构建了元设计。本书核心理论即知识采纳行为理论来自社会科学的研究，为设计过程提供了理论支撑，其中，如何把核心理论应用到设计科学上还需要进一步探索，如何利用概念模型进行元设计又是一个巨大的挑战。本书展现了应用知识采纳模型到信息有用性元设计的计算维度测量，它们代表了从知识采纳行为理论出发的信息有用性，最后证明了本书提出的有用性框架已经超越了前人基于直觉的研究方法。本书也对信息系统理论驱动的设计研究进行了拓展。

二、实践价值

本书基于医患问答在线健康社区，研究了疾病诊断、疾病用药健康管理的知识抽取和知识图谱构建，以及知识采纳和识别信息有用性的用户知识行为。其实践价值在于：

（1）本书拓展了在线健康社区关于疾病诊断的关系挖掘研究，具有重要的学术和现实意义。本书对疾病和症状对应的检查信息进行知识抽取的结果，可以辅助医生诊断决策，帮助病人在就医前更好地了解自身疾病情况，更好地配合医生就诊治疗以及后期疾病的预防、管理以及预后工作。此外，疾病诊断方面知识抽取的结果可以补充和完善现有医学知识体系，同时可以在后续研究中分析不同经济发展程度地区的疾病随着时间进展对应检查的演变情况。

（2）本书关于疾病生命周期健康管理和疾病用药的知识抽取研究具有重要的现实意义。针对疾病生命周期的健康管理正在成为一个越来越热门的学术领域。本书基于用户提问的时间序列数据进行疾病用药管理的知识抽取，并研究用户时间序列上疾病用药的进展演化，对于不同疾病、不同年龄阶段、不同疾病严重程度、不同类别（用药、运动、饮食、环境）的人群健康管理，对于提高人们的生活质量和健康水平，具有重要的现实意义。医患问答健康社区疾病用药管理的知识抽取结果，可以帮助人们主动及时地发现疾病的进展变化，辅助医生进行诊断以及帮助用户进行相应的疾病管理和预防，还可以为循证医学提供案例支持。

（3）本书将不同来源的数据通过知识抽取进行整合，构建了一个基于在线健康社区的知识图谱，对于知识管理、临床决策和疾病管理具有重要的现实意义。本书将基于疾病百科数据构建的知识图谱原型与在线健康社区疾病诊断和疾病健康管理知识抽取获取的三元组知识结合起来，进行实体对齐，进而融合构建一个基于在线健康社区的知识图谱。这不仅是对现有医疗健康知识体系的重要补充，而且可以进行疾病诊断和疾病用药管理的信息查询和搜索，帮助病人进行健康管理，提供健康方面的借鉴以及可视化分析展示和知识推理，具有医疗健康行业应用价值，而且构建知识图谱正在成为完善医疗健康领域知识体系的重要发展方向，对于碎片化知识的结构化和系统化具有重要的现实意义。

（4）本书对用户的知识采纳行为进行研究，对于用户、医生和健康平台均具有重要的实践指导价值。本书对用户知识采纳行为的研究采用实证研究方法，分析用户采纳医生回复行为的影响因素，并对影响因素及其背后的深层原因进行剖析，对健康平台、医生和用户均具有重要的指导价值，同时，对于健康平台医生提高服务水平和改变服务态度将会产生积极影响。通过进一步发挥医生的线上价值，可以实现对线下医疗资源地区分布不平衡的调节，对于以多种方式建立医患沟通渠道具有重要意义。

（5）本书关于医生回复信息有用性的研究结果，使得在线健康平台可以重新考虑其知识管理策略，从而更好地满足用户的需求。本书关于信息有用性识别的研究可以改变在线健康社区内的知识搜索和知识推荐。健康社区内的搜索引擎目前只考虑相关的信息，而相关的信息不一定有用。因此，应该在相关信息的基础上，根据信息有用性进行排序，将多个级别的有用性合并在一起，将网络中最有用的帖子推荐给用户，改善用户的搜索体验，提高搜索效率，节省屏幕停留时间。有用性信息识别研究的结果可以被用于研制自动问答的聊天机器人，还可以用于从候选答案中选择最正确的答案。