互联网技术日新月异的迅猛革新之势,推动着大众健康意识和健康管理观念的增强与进步,由此催生了众多在线健康社区（Online Health Community,OHC）的蓬勃兴起。越来越多的网络用户基于在线社交、获取医疗资讯和利用健康知识的目的活跃于在线健康社区之中,在线健康社区也逐渐成为大众社交互动咨询、获取健康资源、共享医疗信息、关注健康管理的重要途径与新式渠道。尤其是面对2020年突如其来的新型冠状病毒肺炎疫情（以下简称“新冠肺炎疫情”）,在线健康社区凭借不受地域限制、排查疑似病例、减少接触、避免交叉感染等特点,成为疫情期间人们寻医问诊、交流健康信息、关注疫情防控的重要场所。诸如以丁香园、好大夫在线、寻医问药、平安好医生等为代表的多家在线健康社区平台,在新冠肺炎疫情期间的用户注册量、日常访问量等表现出显著的增长。诸多在线健康社区为满足公众的医疗健康需求,运用大数据、新媒体、人工智能等技术拓展了服务方式,延伸了服务内容。然而,在线健康社区的资源供给虽然在一定程度上能够满足用户的健康服务需求,但随着健康资源体量的日益增加,用户寻找所需健康知识的难度也由此加大。倘若在线健康社区的资源供给与用户的特定服务需求之间未能到达有效平衡,将极大地降低平台的服务质量和水平。因此,面对不同类型用户（如老年用户、孕期女性用户、在校学生用户等）复杂多样且具有动态化的需求特征,在线健康社区亟需深入剖析特定用户群体的服务需求特征,具化每一类用户群体的健康服务类型,从而提供智能、精准、个性化的在线健康服务。据此,本文引入用户画像技术为在线健康社区的智能化、精准化、个性化的推荐服务提供良好的理论支持与方法支撑。同时,本研究选取了高校大学生（包括大专生、本科生及研究生）这一当今社会重要的青年群体为研究对象,他们不仅拥有较高的学历,对新兴技术和新鲜事物的接受程度高,而且网络知识搜寻和获取已成为他们日常学习和生活中必不可少的一部分。基于此,本研究从高校大学生用户群体画像的视角出发,以构建基于用户画像的在线健康社区精准推荐服务模式为研究目标。通过利用文献研究法、问卷调查法、聚类分析法、实证研究法4种方法,结合理论基础进行模型构建、实证分析,从以下几个方面展开研究:（1）对在线健康社区、用户画像、精准推荐服务等概念进行界定,对它们的基础理论系统分析,由此为后文用户画像的构建和服务模式的架构提供理论依据。（2）借鉴市场营销领域的VALS2市场细分理论设计调查问卷,通过收集在线健康社区大学生用户群体数据,基于用户生命周期理论,以实证分析构建大学生用户分群画像模型,得出他人引导型、广告介入型、社交活跃型、资源获取型、服务感知型和成熟参与型6种具体的画像类型。（3）基于构建的大学生用户画像模型,提出基于用户画像的在线健康社区精准推荐服务模式体系,从数据处理层—用户画像层—服务推荐层—用户接口层4个层级分别阐述了服务模式的具体模块。（4）结合用户画像模型和精准推荐服务模式,从完善精准的导航功能,提高用户获取资源的效率;组建多样的圈友场所,丰富用户线上社交需求;建立完备的知识资源库,满足用户动态的需求类型;融合多种技术的支持,维持用户参与社区的活跃度;设置用户流失预警机制,保障在线健康社区用户粘性5个方面为提升在线健康社区对大学生用户精准推荐服务的质量提出对策,以此为后续研究和在线健康社区平台的发展提供参考性建议。总而言之,本文丰富了在线健康社区用户研究的有关方法,在理论和实践层面拓展了在线健康社区的研究范畴。