作者：Sahiti Myneni，MSE（2013）
主要顾问：Trevor Cohen，MBCHB，博士
委员会成员：Sriram Iyengar博士，Jiajie Zhang，PhD，Kayo Fujimoto，博士
德克萨斯大学生物医学信息学学院的博士学位论文。
抽象的：
无处不在的在线社交网络为我们提供了一个独特的机会，可以提供可扩展的干预措施，以支持生活方式修改，以改变易感癌症和其他疾病的行为。同时，这些网络充当丰富的数据源，以告知我们对最终用户需求的理解。传统上，社交网络分析基于成员之间的通信频率。在这项工作中，我介绍了通信内容，作为研究这些网络的互补框架。
Quitnet是一个在线社交网络开发的，旨在提供戒烟支持以进行分析。定性编码，自动化内容分析和网络分析用于基于频率和内容属性来构建Quitnet子网络。定性，定量和自动化方法的这种合并扩大了现有网络分析技术的深度和广度，从而使我们能够表征网络成员之间通信的性质。首先，基于理论的基于理论的定性分析提供了对Quitnet消息的详细视图。使用自动文本分析，基于交换消息与已确定主题的内容中内容的相似性进行了网络成员之间的通信链接。这种自动分析使我们能够使用最小的时间和资源将原本劳动密集型的定性方法扩展到大型数据样本。后续的一模式和两模式网络分析使我们能够研究Quitnet成员的内容特定于内容的通信模式。
对戒烟消息的定性分析确定了从“社会支持”，“进步”和“传统”到“尼古丁替代疗法（NRT）条目”和“渴望”等主题。消息的自动注释是通过使用分布方法将外部语料库中的分配信息包含到Quitnet语料库模型中来生成消息的向量表示消息的模型来实现消息的自动注释。K-最近的邻居方法用于推断与每个消息有关的主题。召回和精度度量表明，高级主题的自动分类系统的性能为0.77和0.71。该系统与两个人类对高级主题的平均一致性达到了这些人类编码者在100个消息中的一致性，这表明该系统是人类评估者的合理替代品。随后的一模式网络分析为人口级别上的不同基于主题的网络提供了见解，揭示了特定于内容的意见领导者。
两模式网络分析使我们能够研究戒烟用户的内容隶属关系模式，并了解社会影响对戒烟的特定内容属性。这些研究提供了有关与吸烟相关的在线社交网络中成员之间交流性质的见解。识别关键节点和特定于内容的通信网络模式的能力对健康行为改变的支持网络的开发和维护具有影响。分析与健康相关的社交网络数据的频率和内容可以告知量身定制的行为干预措施的发展，这些干预措施为发起或坚持积极行为改变提供了有说服力和有针对性的支持。