随着Web 2.0的兴起,互联网已经成为一个更加开放的信息空间,用户更多地参与到信息的交互过程中,社会化问答服务逐渐变成一种流行的解除疑惑的重要途径,同时也成为网络上知识生产流动和传播的重要渠道。但是,与此同时,这种“大众参与”的方式也对问题、答案的内容质量提出很大的挑战。因此,进行内容质量的评估就显得十分必要。本文立意于一个新的视角,撇开传统的问卷调查方法,利用数据挖掘,并且结合机器学习的方法,从词频分析、主题分析和情感分析三大角度出发,提出一个解决方案,用以评估社会化问答平台内容质量。本文以比较新兴的专业“图书情报学”为例进行实验设计,通过对比分析知乎、百度知道两大代表性问答平台关于“图书情报学”的问答内容质量,验证了方案的可行性。同时,分析结果清楚地反映出国内两大问答平台上用户对此专业的关注重点,对同学们了解该专业时的平台选择具有一定的指导价值。本文主要的实验过程是:首先,分别从两大平台抓取相关的搜索问题和答案,分析高频词/常用词的特点以及与搜索词的相关性,即,从常用词a个中,通过与专业教授讨论选出其中与搜索词相关的词汇b个,利用b/a作为评价指标值;然后,进行主题分析,利用层次聚类初步决定主题个数(为了方便,此处分别把问题和答案的主题记为m和n),分别对问题和答案进行主题分析,利用主题匹配度,即用集合运算|m∩n|/|m|的结果,作为评价指标值;最后,进行情感分析,此处利用回答文本中含有情感极性的文本比例,即积极回答的文本所占比例与消极回答的文本所占比例的和作为评价指标值。