随着人们健康管理意识的提高,人们正在进行着积极的自我健康管理。在线健康问答社区为医患交流和人们获取基本健康医疗知识提供了途径。在线健康社区中囊括了大量的医患问答。这些问答兼具社交媒体数据的覆盖广,更新速度快,信息良莠不齐,内容贴近病患的日常健康管理需要等特点。因此,基于在线健康社区挖掘的知识对于主流的文献知识具有互补性,可以发现最新的健康医学知识。本文采用寻医问药网社区问答数据,研究如何从在线健康社区中挖掘健康管理知识,主要包括知识的自动化提取和知识质量的可靠性评估。具体来说,首先以疾病与食材作用关系为例研究在线健康社区的知识自动化提取。采取多源词典匹配进行实体名识别,卷积神经网络方法进行关系分类,提取了常见30种疾病与215种食材的作用关系。实证显示模型效果显著,其F1(兼顾准确率和召回率的综合指标)为0.80,而人工标注的准确率为0.84,支持向量机的F1为0.74。在此基础上,本文对所抽取知识的可靠性进行评估。在评估方法上,文章构造了文本特征,时间特征,问答关联性特征,回答者个人信息特征,搜索引擎驱动的特征,话题特征;采取机器学习方法进行答案的自动化评价。实证发现这些特征可以显著提高模型的表现,梯度提升树模型整体上要优于支持向量机和逻辑回归模型。本文有两个创新点。一是丰富了在线健康社区的文本挖掘研究并拓展了健康管理知识挖掘的研究面。文章将深度学习的方法应用到在线健康社区知识挖掘中,实现了食材对疾病作用关系的自动化挖掘,也发现了万方知识库中未覆盖的食材的疾病作用关系。二是目前的知识挖掘没有考虑到知识挖掘的质量,论文在知识挖掘的基础上,集中研究了知识的可靠性评估模型,为解决在线社区中知识矛盾现象提供了新的思路与方法。