信息交流是人类社会最基本的活动,是实现信息价值的重要保证,不可避免地会出现信息表达不到位或难以被对方理解等信息交流障碍情况。目前在线医疗社区是人们获取相关健康信息的主要途径,但是由于专业知识及思维方式等方面的知识不对称,在线医疗平台进行医疗咨询时,患者和医生存在沟通问题。而目前对医患沟通障碍的研究主要是通过访谈或问卷等定性的研究方法,对于因知识不对称导致的沟通障碍问题的研究也只是探索知识生产者和知识共享者之间的宏观特征,缺乏定量地揭示知识不对称特征研究。针对这一现状,本文根据知识不对称在对话中的表现形式,提出基于文本挖掘的在线医疗社区用户知识不对称分析框架,来分析在线医疗社区用户的知识不对称行为;在对文本集进行预处理的基础上,从医学词汇密度、医学词汇多样性以及医学词汇复杂性三个方面分析在线社区用户的词汇丰富性程度;引入LDA主题模型对在线医疗社区医生和患者进行特征词的选择,然后利用word2vec和语义依存分析对所选出的关键词进行表达和语义层面上的分析;为了验证框架的有效性,本文选择我国最大的在线医疗社区之一——春雨医生肿瘤科的在线咨询数据作为研究对象。实验验证表明,在线医疗社区的医生和患者在词汇丰富度上面有较大的差异,医生的医学词汇密度和词汇复杂性会明显高于患者的,而对于患者的医学词汇多样性高于医生的原因,则可能是患者用词重复、患者用词不准确,以及医患人数不均等。在对关键词的表达上面,在线医疗社区的医生和患者有较大差别,总体而言患者的表达方式更多元化一点。对于共现关键词的语义差异,则主要体现在语义依存关系的数量和种类上,从结果来看,医生会明显高于患者的语义依存关系,这说明医生掌握的语义知识会比患者多,从语义层面揭示了两者之间的知识不对称现象。因此,本研究所构建的基于文本挖掘的在线医疗社区用户知识不对称行为框架能很好地发现医生和患者在线上对话中的知识不对称表现。