随着互联网、大数据、云计算的发展,依托于互联网平台的各类应用孕育而生,数据量也呈现出爆炸式增长态势,数据冗余和过载问题日益严重。如何从大规模数据中高效获得有价值的信息一直吸引着信息管理学科研究者的高度关注。与此同时,社会与经济的不断发展,人们的生活水平不断提高,人口的老龄化问题也逐渐凸显,社会公众也越来越关注于与医疗健康有关的信息,造就了近年来在线医疗健康社区的蓬勃发展。网络社区的去中心化与互动性特征使得用户对健康信息的获取形式与手段更加灵活多样,但是在在线健康社区形式为广大用户带来便捷的同时,由于在线健康社区内信息质量缺乏严格的把控机制、数据量庞大、增长速度快速等特点,使得用户的体验感并未达到预期。因此,如何从在线健康社区的大规模数据中挖掘出有价值的信息,以及如何为用户提供精准、高效的信息精准服务,提高用户满意度成为相关研究人员关注的重要问题。在线健康社区中蕴含了诸多用户生成内容,研究在线健康社区中信息的推荐,可以通过用户生成内容研究用户的偏好,为用户推荐感兴趣的内容,为了实现该目标,研究核心体现在三个方面:用户特征挖掘、信息主题特征挖掘、精准推荐算法的应用。论文的研究主要围绕与此,以丁香园在线健康社区平台为例,通过对丁香园在线健康论坛内数据的采集与预处理,采用深度学习、文本挖掘法、模型驱动等多种方法,对在线健康社区内信息的精准推荐问题展开研究。本文的研究内容从健康信息主题自动分类器构建、多维度用户特征建模、考虑主题相关性的协同过滤推荐算法三方面展开。健康信息主题自动分类通过将Word2vec与卷积神经网络相结合创建一种自动分类器,基于该分类方器,实现对丁香园平台内医疗健康信息实施自动化分类,并建立以主题类别为维度的信息主题特征向量;多维度用户特征建模是针对用户特征,建立以用户静态特征、用户情境特征和用户主题偏好特征的多维度用户特征向量模型;而考虑主题相关性的协同过滤推荐算法研究则在传统的协同过滤推荐算法的基础上考虑融合用户主题偏好特征与健康信息主题类别特征的评分矩阵,通过扩展用户特征向量的相似度计算实现以用户导向的健康信息精准推荐,以期达到提升推荐效果的目标。通过引入准确率、召回率与F值的检验,验证了考虑主题相关性对丁香园在线健康社区信息精准推荐应用场景的有效性。