網絡健康信息聚合模式比較分析*

廖花林 文庭孝, 李成熙 羅愛靜 林德南 謝 山

（1.中南大學生命科學學院醫藥信息系 長沙 410083；2.湖南省醫學信息研究重點實驗室 長沙 410083；3.深圳市醫學信息中心 深圳 518000）

1 引言

2016年10月，國務院發布《“健康中國2030”規劃綱要》，首次將“健康中國”上升為國家戰略。隨著物質文化生活水平的提高和社會生活環境的變化，人們的健康意識日益增強，極為關注健康信息。雖然人們獲取健康信息的途徑多種多樣，但互聯網，特別是移動互聯網已成為獲取健康信息的主要渠道[1]。由于互聯網健康信息龐雜，人們在獲取網絡健康信息的同時，也面臨著信息爆炸、信息孤島、信息迷航[2]等一系列問題。信息聚合作為信息組織與信息檢索的新模式和新手段，在一定程度上緩解了健康信息需求增長與健康信息服務提供不夠便捷、簡潔和智能的矛盾。

隨著社會的發展，信息聚合的內涵在不斷變化。信息聚合是指將多來源的信息進行聚類、融合、重組，通過同一平臺提供給用戶的過程。信息聚合是網絡信息組織、存儲、管理、檢索和服務的基礎。網絡信息資源分為政府信息類、文化信息類、學術資源類和健康信息類等類型[3]。美國醫學圖書館聯盟指出：健康信息泛指與大眾、病患及其家屬有關的健康和醫學信息，包括醫療、預防、保健、康復、生殖健康、健康教育等[4]。國內外學者對網絡健康信息這一領域較為關注，在網絡健康信息服務、網絡健康信息需求、用戶網絡健康信息行為及其影響因素、網絡健康信息服務評價、網站健康信息質量評價[5]等方面進行了一定程度的研究，但對網絡健康信息聚合關注較少。

2 網絡健康信息聚合模式

網絡健康信息聚合模式多種多樣，根據其對象和特點，可將其歸為兩大類，即面向資源的網絡健康信息聚合模式和面向用戶的健康信息聚合模式。面向資源的網絡健康信息聚合模式主要是以信息資源組織為中心，而面向用戶的健康信息聚合模式則以用戶需求和用戶服務為中心。

2.1 面向資源的網絡健康信息聚合模式

2.1.1 基于目錄式導航的網絡健康信息聚合模式

網絡信息資源呈爆炸式增長，為了方便用戶快速找到所需信息，網絡健康信息一般采用目錄式導航方式組織信息資源。用戶除了使用搜索引擎外，一般偏向于通過目錄式導航瀏覽獲取信息。目錄式導航是按照一定的分類標準將網絡信息資源分成不同類別，然后將同一類別的信息聚合整理到一起。目前，網絡信息資源的分類組織方式主要有主題分類、學科分類、分面組配分類法、體系分類法和公眾分類[6]。這些分類組織方式構成了目錄式導航和網絡健康信息聚合的基礎。

基于目錄式導航的網絡健康信息聚合模式是指根據一定的分類標準，將網絡健康信息按主題聚合到某一平臺，以目錄式導航的方式提供給用戶。網絡健康信息服務平臺目前主要采用主題分類的方式聚合各類健康信息，主題分類法是主題法與分類法融合的產物，一個主題詞代表一個類目是主題分類法的顯著特征。如39健康網按照不同科室和不同疾病聚合相關信息，用戶點擊瀏覽就可以獲取與某一疾病相關的內容，包括疾病首頁、疾病知識、專家咨詢、醫院醫生、常用藥品和文章解讀等健康信息。

基于目錄式導航的網絡健康信息聚合模式的優點在于：①可以綜合整理有關健康的各類信息，以主題為分類標準，把與健康信息主題相關的信息聚集在一起；②分類瀏覽方式直觀，當檢索目的不明確、檢索詞不確定時，目錄式導航瀏覽方式更有效率；③可以使用戶快速全面地了解某一主題健康信息全貌，有利于用戶有效選擇和利用健康信息。其缺點在于：①用戶健康信息需求呈現出個性化、多元化發展趨勢，但基于目錄式導航的健康信息聚合模式提供方式單一、結構固定、靈活性不足；②信息聚合層次較淺，適合健康信息素養較低的新手用戶。

2.1.2 基于搜索引擎的網絡健康信息聚合模式

通過搜索引擎獲取網絡健康信息已成為人們利用健康信息的主要方式。基于搜索引擎的網絡健康信息聚合模式是指基于搜索引擎平臺，對健康信息搜索結果進行自動、非監督聚類，使用戶能在更高的主題層次上查看搜索結果[7]。它可以細分為靜態聚合和動態聚合兩種類型，靜態聚合以Yahoo!為典型代表，通過分類目錄的方式對網絡資源進行聚合；動態聚合以39健康網自帶的搜索引擎為代表，在用戶檢索輸出結果的基礎上再依據一定的規則進行聚合和二次組織[8]。

基于搜索引擎的網絡健康信息聚合模式作為最受用戶歡迎的信息搜索和獲取方式，其優勢極為明顯：①基于用戶提供的關鍵詞一站式搜索相關信息，初步聚合整理提供給用戶，幫助用戶節省時間和精力，提高信息獲取效率；②使用簡單，用戶易于操作，查詢方便快捷，體驗效果好。基于搜索引擎的知識發現系統將會成為未來網絡健康信息聚合發展的基本趨勢。

該模式的缺點也比較突出，搜索引擎屬于淺層次、粗粒度的信息聚合模式：①搜索引擎采用以簡單的關鍵詞匹配為主的搜索模式，對所有用戶需求進行相同的分析，不同用戶使用同一關鍵詞得到的檢索結果雷同，沒有考慮內容與用戶之間的關系，不能有效獲取和理解用戶的真實信息需求，無法為用戶提供個性化和智能化檢索結果；②搜索引擎難以及時反映用戶信息需求的變化，用戶希望在盡可能短的時間內找到最感興趣、最切合自身需求的信息資源，但搜索引擎提供的只是按相關性排序的結果界面，沒有對多來源的信息進行聚類、融合、重組以及提供多維顯示方式，用戶仍需花費大量時間和精力才能獲取所需信息，增加了用戶的身體和心理負擔[9]。因此，基于搜索引擎的健康信息聚合模式屬于初級層次的信息聚合，方便用戶對各種信息進行快速瀏覽，但不能達到幫助用戶快速準確定位信息的目的。2.1.3 基于知識元的網絡健康信息聚合模式

隨著用戶對網絡的依賴度加大以及信息素養的逐步提升，其信息需求層次也日益提高，要求信息聚合由原來的“廣、快、精、準”向“深、動、精、細”轉變[10]。以往的網絡資源揭示和利用大都集中在信息資源的宏觀結構，未深入信息資源的微觀內容部分，造成信息聚合層次較淺，難以向用戶展示多維度知識關聯，導致用戶需求滿意度不高。

基于知識元的網絡健康信息聚合模式是指將粗粒度的健康信息碎化為細粒度的知識元，通過關聯關系實現健康信息深度聚合。知識元是指語義上相對完整的表達特定知識的最小的內容單元，從知識生產和創造的視角分為常識知識元、引證知識元和創新知識元[11]。網絡健康信息來源廣泛，質量參差不齊，部分內容的理解需要有較高的健康信息素養。去粗去精，去繁從簡，深度聚合細粒度的健康信息有助于用戶花費更少成本獲取信息。針對網絡健康信息資源構建細粒度聚合單元元數據框架，從多維度、多層級深入揭示和關聯分散在各類型網絡信息資源中的細粒度聚合單元[12]，抽取和聚合知識元是將來網絡信息聚合發展的必然趨勢。

基于知識元的網絡信息聚合模式可以深入揭示內容信息，挖掘知識關聯，深度聚合各類健康信息，提高信息供給質量。該模式能夠根據用戶的信息需求多維度聚合健康信息，優化信息服務方式，降低用戶的信息獲取難度。它還有利于促進知識發現，提升知識服務效率，并提高將信息轉化為用戶所需情報知識的速度。但目前國內外對基于知識元的網絡信息聚合模式的研究還處于探索階段，沒有現成的模式可以借鑒。這一信息聚合模式與現有的資源環境和網絡環境差距較大，與此同時，還需要結合用戶的信息需求、用戶情境等要素來優化聚合效果。

2.2 面向用戶的網絡健康信息聚合模式

2.2.1 基于RSS的網絡健康信息聚合模式

RSS（Really Simple Syndication），即簡易信息聚合，是一種描述和同步網站內容的信息聚合模式，通過RSS可以在互聯網上訂閱感興趣的內容[13]，適合網絡新聞、博客等不定時更新，但又比較受關注的網絡健康信息源。Web2.0的顯著特征就是基于RSS的信息聚合[14]。

基于RSS的網絡健康信息聚合模式是指用戶根據自己的興趣以及關注重點訂閱不同來源的網絡健康信息并將其聚合到同一平臺，然后通過電腦客戶端或網頁在線的方式獲取健康信息。這是基于用戶選擇的聚合系統，向用戶提供一站式網絡健康信息獲取服務，起著過濾無效信息的作用。Google與鮮果等第一代RSS服務提供商已經相繼退出網絡信息市場，這表明純粹的信息聚合模式因為無法與目前的技術、環境、用戶需求有機結合，已經不能滿足用戶的多元需求。

基于RSS的網絡健康信息聚合模式的優點在于：①可以體現用戶的個性化信息需求，RSS聚合服務提供的信息都是用戶自己選擇和訂閱的，完全屏蔽用戶未訂閱的內容和垃圾信息；②用戶通過客戶端或在線閱讀的方式可以在同一界面獲取所需的健康信息資源，不需要在多個不同的網站頁面進行跳轉；③系統按照訂閱網站的更新主動將最新的信息推送給用戶[15]，用戶可以及時有效地獲取最新信息，兼顧時效性和準確性。

該模式的缺點也日益突出：①依賴用戶主動訂閱相關信息，而用戶的健康信息素養水平參差不齊，容易造成重要健康信息的遺漏和缺失；②只是簡單地解決了訂閱和一站式獲取信息的問題，未對內容進行智能處理[16]；③隨著健康信息來源以及內容的增多，RSS平臺的信息呈快速增長趨勢，對用戶獲取信息造成了一定困難，無法滿足用戶對信息更高的要求；④移動互聯網時代的潛移默化，人們已經習慣于通過手機獲取信息服務，而基于RSS的網絡健康信息聚合更適合在電腦端提供服務；⑤用戶的社會化需求無法得到滿足，沒有考慮內容與用戶關聯，不能幫助用戶接觸所關注領域更優質的信息源[17]；⑥目前基于用戶興趣的健康信息推送服務已經十分成熟，很少有人愿意主動去訂閱相關信息。2.2.2 基于內容推薦的網絡健康信息聚合模式

基于內容推薦的健康信息聚合模式是指基于對用戶的使用習慣、社交關系、搜索關鍵詞等內容的分析，結合搜索引擎、大數據挖掘、機器學習等技術，通過特定算法計算出用戶最關注的健康信息內容進行精準推送，用戶通過手機或平板就可以接收到自己感興趣的健康信息。基于內容推薦的健康信息聚合模式屬于服務提供者主導的以用戶需求為中心的信息聚合模式，服務提供者指定了聚合來源，用戶被動接受信息[18]。基于內容推薦的健康信息聚合模式以用戶為中心進行個性化推薦，為每一個用戶提供感興趣的健康信息，實現了千人千面和精準推薦內容，用戶可以將關注的資訊進行評論、轉發以及分享到社交平臺。

這一信息聚合模式的優點在于：①通過手機就能接收所關注的網絡健康信息，簡單方便快捷，符合用戶訴求；②在機器學習的基礎上，結合推薦算法，進行智能精準推送，更容易理解用戶的信息要求，幫助用戶減少使用成本；③提高了信息推薦的準確度，成為大數據時代挖掘有價值信息的有效方式。

該模式的缺點在于：①“渠道”服務提供商與“內容”提供商的邊界模糊，損害了著作權人和內容提供商的權益，容易造成版權糾紛[19]；②服務提供商搜集了大量的個人數據信息，如果保管不慎，將會導致個人隱私泄露；③提供商推薦的都是用戶感興趣的信息，容易造成用戶閱讀視野狹窄，最終可能讓用戶陷入信息繭房的尷尬境地；④機器編輯將用戶的興趣需求排在第一，信息的價值受到沖擊，不利于高價值和高質量信息的傳播。

2.2.3 基于社會化媒體的網絡健康信息聚合模式

隨著互聯網和社交軟件的發展，純粹的文本聚類已經無法滿足用戶的需求，需要從聚合信息向聚合收發信息的用戶轉變，將社會化媒體的信息源與用戶聚合起來，充分發揮群體影響力的作用[20]。社會化媒體，也叫社交媒體，是支持用戶撰寫、分享、評論、討論、交流的平臺，主要形式有社交網站、微博、博客、論壇、即時通訊等，如新浪微博、知乎、丁香園、科學網等影響十分廣泛。這些社交平臺根據社會學和信息科學的規律，針對用戶的社會化信息行為完成信息聚合，并且將分門別類的主題傳遞到相對應的用戶手中[21]。社交媒體是公眾表達自我的平臺，內容包括眾多用戶寶貴的看病心得、患病歷程分享、治療經驗等健康信息。目前的社會化媒體聚合是依據物以類聚、人以群分的原理，將相關的用戶聚合在一起。基于社會化媒體的健康信息聚合模式是指在聚合用戶的基礎上，聚合整理社交媒體中的健康信息，再根據用戶的需求予以提供。微博是當前社交媒體的重要代表，有學者針對微博信息資源的短文本、主題發散等相關特征，提出了一種面向語義關聯的細粒度社交媒體信息資源的多維度主題聚合方法，但只能對某一時間段某一類型的微博信息進行主題挖掘和多維度主題聚合[22]。

基于社會化媒體的健康信息聚合模式的優點在于：①通過社交媒體傳播的信息大多來源于用戶親身經歷或身邊人分享，公眾對這類信息具有天然好感，樂于獲取此類信息；②經驗分享型信息對于健康信息需求者來說，與自身情境、信息訴求等更為契合，屬于高價值信息；③基于社交媒體的社會化挖掘及推薦功能，能迅速發現大家關注的熱門信息，讓用戶及時獲取更多有價值的信息。

該模式的缺點為：①健康信息海量分散，且無序零亂，規范化程度低，含有大量口語化表達，不利于組織和挖掘利用；②用戶生成內容不可控，無法從源頭進行質量把關；③健康信息具有高價值特征，但該模式目前還處于理論研究階段，缺乏成功的應用模式。

3 結語

本文結合網絡健康信息的特點，提煉出六種網絡健康信息聚合模式，并根據其側重點和差異，分為面向資源和面向用戶的網絡健康信息聚合模式兩大類，如表1所示。總體來看，基于目錄式導航和基于搜索引擎的健康信息聚合模式在現實中已有實際應用，但其聚合層次不深，屬于針對網絡健康信息資源宏觀結構的信息聚合模式，并且信息服務提供方式單一；而基于知識元的健康信息聚合模式可以深入信息內部實現深度聚合，并可根據用戶需求進行多維度聚合，但目前還處于探索階段；基于RSS的健康信息聚合模式由于用戶的信息獲取習慣以及它本身的局限性，已經失去了用戶群；基于內容推薦的健康信息聚合模式對于用戶來說，使用成本低，信息獲取精準方便快捷，存在各類隱患，但是用戶接受度高；基于社會化媒體的健康信息聚合模式目前還局限于單一的社交媒體內部，如果要實現跨平臺健康信息聚合，整理各類社會化媒體中的健康信息，還有諸多技術問題和現實難題需要解決。六種網絡健康信息聚合模式各有其優缺點，可以取長補短，相互融合，將面向資源和面向用戶的信息聚合模式有機結合起來。構建更好的網絡健康信息聚合模式，是未來信息組織、信息聚合和信息服務發展的方向。

表1 網絡健康信息聚合模式比較

綜上所述，有效的網絡健康信息聚合模式應符合以下標準：聚合粒度更細，深入健康信息內容內部，不限于信息宏觀外部特征；深度揭示信息特征，根據用戶的信息需求和動機，多維度、多層次聚合健康信息，用戶可以自己組合信息；根據每個用戶的特點提供不同的聚合結果界面，體現個性化需求，精準推薦信息；社會化媒體中的健康信息具有高價值特征，盡可能挖掘聚合到同一平臺；既考慮資源又考慮用戶，將資源和用戶結合起來，實現網絡健康信息的高效聚合。未來的網絡健康信息綜合聚合模式必須具備上述特征，才是具有生命力、滿足社會需求和用戶健康信息需求的信息聚合模式。