近年来,随着信息技术的快速发展和互联网的普及,越来越多的人开始将互联网作为寻求信息的第一渠道,据报告显示越来越多的用户开始通过互联网来寻与健康主题相关的信息。在这个大背景下,网络健康社区应运而生,大量健康社区如雨后春笋般涌现,比如,国外的Diabetic Connect、PatientsLikeMe,国内的丁香园、求医网、百度知道的健康板块等。在社区中,用户不仅可以获得最新的健康保健知识,还可以通过问答的形式获得疾病诊疗信息,通过分享自己的疾病经验获得精神上的支持与鼓励。虽然,互联网的出现大大优化了用户的信息获取行为,但由于各种网络健康社区所提供信息的质量参差不齐,疾病专业知识匮乏的用户想要从网上获得所需要的高质量信息费时费力,因此,了解网络健康社区用户的信息需求,有针对性地提供健康信息服务显得尤为重要。然而,以特定疾病的信息需求为切入点是目前国内外研究健康信息需求最常见的形式,且研究方法上多以定性分析法为主,很少从文本自身的角度对用户的信息需求进行挖掘研究,这导致了大多数研究的样本数量较少,很难代表大部分用户的需求。少数的基于文本挖掘方法进行需求研究的文献,都使用的是传统的文本挖掘方法,忽略了大数据时代数据呈指数级增长所导致的文本挖掘计算量随之急剧增加的事实。除此以外,现有研究中使用网络数据的论文大多使用国外数据源,比如Yahoo! Answers,少数使用中文数据源都是百度知道的数据,对于常见的网络健康社区问答板块的数据,研究中几乎没有涉及,而网络健康社区却是用户获取医疗健康信息的主要途径之一。因此,为了更好地研究中文网络健康社区用户的信息需求,本文提出了基于大数据挖掘的中文网络健康社区用户信息需求分析框架,并进行了实验验证。实验过程中,本文以常见疾病肿瘤为例,爬取了求医网的相关问答数据,采用基于分布式的文本聚类分析方法,结合相关医学文献,得到了用户对于肿瘤疾病的信息需求模型,以及信息需求的趋势变化特征与分布特征。