在线问答社区的新起给人们更多的选择和交流空间,使得分享治疗经验和寻求帮助有了更多的发挥。相比较垂直型医疗问答社区,以医生为主导,患者选择,两者之间的联系依靠医生的主动性和贡献。在线问答社区话题广泛,人员众多,每个人都可以选择自己喜欢或者关注的主题,参与其中,进行搜索、浏览、提问、回答,讨论、分享,吸引更多人的加入。以知乎为例,其健康主题下有16822741位关注者,721650个问题数,每个类别下还有对应的疾病主题内容,但是也因为用户的复杂,个人的健康素养,知识水平、教育水平、经历等不同,导致问答社区健康信息质量的参差不齐,若用户稍有不慎,对其中内容的辨识能力不足,影响巨大,可能会再次重现“魏则西事件”。因此,如何对在线问答社区健康信息回答质量进行科学合理的评价,辨别和选取具有准确性合理性的信息内容以及采取何种措施以加强对网络信息的监测和管理,以便于能够帮助人们高效的使用网络健康信息具有重要的研究意义。具体研究内容如下:本文首先对健康信息、健康信息质量、在线问答社区的概念以及智能优化算法、集成学习算法、信息传播理论进行介绍,从而为后文模型构建和实证过程奠定理论学习。其次关于在线问答社区健康信息质量评价指标构建过程中,基于信息传播理论,分析在线问答社区健康信息传播模型,从健康信息生成主体、健康信息、问答社区平台、健康信息接收主体4个方面分析影响在线问答社区健康信息质量的因素,参考国内外相关的研究文献,通过归纳整合和筛选处理,形成在线问答社区健康信息质量的评价指标体系。其次,对分类算法和优化算法的选择进行分析,针对基础分类算法存在的不足,利用改进后的布谷鸟算法进行优化,采用Ada Boost集成学习算法对多个基分类器进行组合,构建基于CS-BP神经网络集成的问答社区健康信息质量评价模型。最后,本文以在线问答社区平台上糖尿病话题下的问答数据作为实验样本进行研究,根据构建的健康信息质量评价体系,对所构建的指标变量进行赋值量化,进行预处理操作。将采集的6498个样本对CS-BP神经网络集成模型进行验证,并与常用的BP、KNN、SVM等分类方法进行比较,结果表明CS-BP神经网络集成模型在健康信息质量评价上具有一定的有效性。