目的:随着人们生活水平提高,对于健康信息的需求也在增长。当下网络是健康信息查询的主要渠道,在网络查询中,想通过一次查询得到所需结果难度很大,通常需要根据结果反馈来调整查询式,通过查询重构来得到满意的结果。本研究意在构建健康信息查询重构策略预测模型,以期帮助查询系统优化查询推荐服务,提升网络查询系统的交互效果。首先,对用户查询重构前行为变量与查询重构策略进行相关分析,进而筛选出健康信息查询重构策略预测模型输入特征变量;其次,使用支持向量机、神经网络、决策树构建健康信息查询重构策略的预测模型;最后,引入情境因素探讨预测模型的优化策略。方法:本研究通过用户实验法和问卷调查法,采集用户完成网络健康信息任务时的查询行为变量和情境因素。共邀请67名用户参与实验,经筛选后最终有效问卷61份,完成健康信息任务查询366个,其中查询重构171个;使用统计学方法如卡方检验、非参数秩和检验检测重构前行为变量和情境因素与查询重构策略的相关性;运用决策树、神经网络和支持向量机的数据挖掘方法建立预测模型,并进行对比和改进。结果:(1)以用户完成健康信息查询任务时的查询重构行为为对象,对查询重构前行为变量与查询重构策略进行统计分析,筛选出8种重构前行为变量与查询重构策略之间有显著关联,p<0.05。(2)采用筛选出的用户重构前行为变量作为输入特征变量来预测查询重构策略,使用决策树、神经网络和支持向量机方法分别构建预测模型,总体预测准确度分别为49.75%,54.98%和55.06%。(3)筛选对查询重构策略有影响的情境变量,加入预测模型输入特征项,并通过将三个二分类的支持向量机模型进行整合的方式加以优化,优化后的模型预测准确度为64.63%,相比最初预测准确度提升了9.57%。结论:(1)查询式的长度、结果摘要的浏览、查询推荐的使用、查询历史特征等重构前行为变量可以用来预测查询重构策略。(2)决策树、神经网络和支持向量机构建的健康信息查询重构策略预测模型中,效果较好的是支持向量机模型。(3)健康信息查询重构策略预测模型中加入情境因素变量后,预测准确度有提升。