基于患者評論的在線健康社區(qū)主題挖掘與情感傾向分析
——以好大夫在線為例

徐 萌 張思文 肖 文

(遼寧中醫(yī)藥大學(xué)經(jīng)濟管理學(xué)院，遼寧 沈陽 110847)

0 引言

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和信息化的普及，越來越多的用戶傾向于通過網(wǎng)絡(luò)平臺分享觀點和交流經(jīng)驗，學(xué)者研究發(fā)現(xiàn)對在線數(shù)據(jù)的挖掘能夠為企業(yè)和用戶提供直接的參考。在醫(yī)療健康領(lǐng)域，《國務(wù)院關(guān)于積極推進“互聯(lián)網(wǎng)+”行動的指導(dǎo)意見》和《關(guān)于促進“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展意見》等政策頒布的推動下，“互聯(lián)網(wǎng)+醫(yī)療”的就診模式被廣泛應(yīng)用，在線健康社區(qū)就是其中一種。作為醫(yī)生和患者高效溝通的媒介，在線健康社區(qū)為患者提供就診服務(wù)和健康咨詢的同時，也支持患者進行信息和診療經(jīng)驗的共享，由此，產(chǎn)生了大量的在線醫(yī)評信息。在線醫(yī)評對提高在線健康社區(qū)醫(yī)療服務(wù)質(zhì)量、患者就診體驗和疾病治療效率具有重要作用，所以，如何從海量的在線醫(yī)評中挖掘高質(zhì)量信息成為當(dāng)前學(xué)者研究的熱點。

鑒于此，本文選取“好大夫”在線健康社區(qū)中的患者在線評論作為數(shù)據(jù)來源，運用主題圖譜和情感分析的方法，依據(jù)詞頻-云圖和主題圖譜從在線醫(yī)評中挖掘患者關(guān)注主題，借助情感量化結(jié)果探討患者就診過程的滿意度，從而為在線健康社區(qū)平臺的建設(shè)、醫(yī)生和醫(yī)療服務(wù)質(zhì)量的提高等提供一定的實踐指導(dǎo)作用。

1 相關(guān)研究

目前，國內(nèi)現(xiàn)有的在線健康社區(qū)研究尚處于探索階段，主要集中在患者擇醫(yī)行為、使用意愿和滿意度的影響因素上。易夢馨等基于文本圖片多源信息，構(gòu)建回歸分析模型，探討影響患者在線擇醫(yī)行為的因素有聲譽可信度、能力可信度和面孔可信度；郭宇等利用元分析方法指出感知有用性、情感信任、感知風(fēng)險等33個因素影響用戶在線醫(yī)療社區(qū)使用意愿；王若佳等基于扎根理論提出在線問診用戶滿意度受環(huán)境、平臺、醫(yī)生和用戶因素的影響；徐孝婷等借助線性回歸模型得出醫(yī)生的口碑包括療效、態(tài)度、感謝信、評論數(shù)和情感傾向等指標(biāo)，會正向影響患者的選擇?？梢姡m然已有少數(shù)研究基于患者在線評論進行探討，但主要借助理論模型和問卷調(diào)查展開，具有一定的主觀性，很少有研究借助主題聚類-圖譜可視化和情感分析進行主題挖掘。

主題圖譜源于知識圖譜用于聚焦主題及其之間的邏輯關(guān)系，并構(gòu)成相應(yīng)的語義網(wǎng)絡(luò)圖。國內(nèi)學(xué)者主要針對網(wǎng)絡(luò)輿情、文獻統(tǒng)計、在線評論等文本信息構(gòu)建主題圖譜。陳健瑤等基于主題圖譜從用戶、賬戶、內(nèi)容三個維度展示網(wǎng)絡(luò)輿情特征的演化規(guī)律；李新根等借助文獻計量法和主題共現(xiàn)的可視化，分析國內(nèi)數(shù)字化治理研究的主題與演進趨勢；祝琳琳等基于在線評論構(gòu)建主題圖譜，展示主題之間的層次和共現(xiàn)關(guān)系以及主題的情感強度?？梢?，主題圖譜應(yīng)用于各研究領(lǐng)域，但基于患者在線評論構(gòu)建主題圖譜挖掘主題的研究較少，將主題圖譜與情感分析融合的研究更是有限。因此，本文應(yīng)用主題圖譜工具，對在線健康社區(qū)的患者在線評論進行分析，以了解患者對在線問診過程關(guān)注的內(nèi)容和情感傾向。

2 研究過程及結(jié)果分析

2.1 研究設(shè)計

本文嘗試針對在線健康社區(qū)平臺的患者評論數(shù)據(jù)，利用詞頻分析、共現(xiàn)網(wǎng)絡(luò)和情感分析方法，對患者在線就診關(guān)注主題和情感傾向進行分析，研究框架如圖1所示。

圖1 患者在線評論主題挖掘及情感傾向分析框架

Step1:數(shù)據(jù)采集與預(yù)處理。選取適用的網(wǎng)站及疾病類型作為數(shù)據(jù)來源進行爬取，對在線評論進行過濾、分詞和去停詞的預(yù)處理，獲取詞匯數(shù)據(jù)庫。

Step2:在線評論主題挖掘。提取在線評論高頻詞，通過高頻詞間內(nèi)在聯(lián)系挖掘主題，依據(jù)評論集中是否包含相同高頻詞來構(gòu)建共現(xiàn)關(guān)系，形成節(jié)點為相同關(guān)鍵詞，邊為在線評論的共現(xiàn)網(wǎng)絡(luò)。

Step3:在線評論情感傾向分析。計算每條評論的情感得分，按照分數(shù)將評論分為好、中、差三個檔，并對好評和差評細分為輕度、中度和高度三個區(qū)間。

2.2 數(shù)據(jù)采集與預(yù)處理

好大夫在線健康社區(qū)是中國領(lǐng)先的互聯(lián)網(wǎng)醫(yī)療平臺，該平臺以查詢醫(yī)院/醫(yī)生信息、多形式問診和疾病知識科普等內(nèi)容為主要功能，用戶可以根據(jù)就診體驗在平臺上分享經(jīng)驗，評價醫(yī)院或醫(yī)生。由于好大夫在線具有15年的成熟運營經(jīng)驗，在多個領(lǐng)域取得顯著成果，擁有數(shù)量眾多的優(yōu)質(zhì)醫(yī)生群體，故選其為本文的數(shù)據(jù)來源。

根據(jù)近幾年《中國衛(wèi)生和計劃生育統(tǒng)計年鑒》中的發(fā)病率數(shù)據(jù)，選取5種高風(fēng)險疾病和5種低風(fēng)險疾病進行數(shù)據(jù)篩選，即高風(fēng)險疾病：糖尿病、冠心病、肺癌、乳腺癌、腦梗塞；低風(fēng)險疾?。焊哐獕?、胃炎、類風(fēng)濕性關(guān)節(jié)炎、抑郁癥、月經(jīng)失調(diào)。利用八爪魚采集器抓取2022年5月前好大夫在線平臺上這10種疾病的前10名醫(yī)生的患者就診反饋數(shù)據(jù)，共獲取28975條評論，去除無效及重復(fù)數(shù)據(jù)，得到27995條有效評論。

為了更好地分析在線健康社區(qū)用戶就診的滿意度，進一步規(guī)范初始語料庫，使用R語言對采集到的反饋數(shù)據(jù)進行以下預(yù)處理：(1)過濾在線評論中包含的大量標(biāo)點符號、表情、英語單詞等低代表性信息；(2)對在線評論文本進行分詞處理；(3)去除文本中出現(xiàn)頻率高但無實際意義的詞，如介詞、代詞、停用詞等。

2.3 數(shù)據(jù)分析

2.3.1 詞頻統(tǒng)計

為直觀地反映在線問診用戶所關(guān)注的焦點和主題，利用R語言進行詞頻統(tǒng)計并繪制前500個詞語的詞云圖實現(xiàn)特征的可視化，如圖2所示。圖中字體越大，說明出現(xiàn)的頻次越高，結(jié)合表1中排名前30的高頻詞，可以發(fā)現(xiàn)除了“醫(yī)生”“主任”“大夫”等專有名詞外，主要包括“耐心”“醫(yī)術(shù)”“態(tài)度”“治療”“病情”“精湛”“醫(yī)德”等高頻詞。初步提煉在線健康社區(qū)患者評論的關(guān)注點，主要集中于服務(wù)態(tài)度、醫(yī)術(shù)水平、就醫(yī)體驗、醫(yī)德醫(yī)風(fēng)等方面，可以作為后續(xù)患者滿意度因素歸納及判定的研究基礎(chǔ)。

圖2 高頻詞詞云

表1 TOP30高頻詞

2.3.2 患者在線評論主題圖譜

為更精準地提煉患者在線評論主題，在詞頻分析的基礎(chǔ)上，使用VOS Viewer軟件對評論文本構(gòu)建特征詞主題圖譜，設(shè)置頻次閾值為150，聚類分辨率和最小聚類項數(shù)為1，結(jié)果如圖3所示。圖譜中不同顏色的節(jié)點集合代表不同的聚類簇；節(jié)點代表特征詞，節(jié)點越大代表在評論中共同出現(xiàn)的次數(shù)越多。

圖3 患者在線評論主題圖譜

由圖可見，圖譜中主要形成5種顏色的聚類簇，其中，紅色節(jié)點可以概括為就醫(yī)體驗主題，主要包括與問診相關(guān)的“網(wǎng)上”“門診”“就診”“預(yù)約”，與治療相關(guān)的“治療”“手術(shù)”“檢查”“用藥”，以及與療效相關(guān)的“恢復(fù)”“效果”“好轉(zhuǎn)”“改善”等特征詞。黃色節(jié)點可以歸納為解釋清晰度主題，包括“耐心”“病情”“詳細”“解答”等特征詞。綠色節(jié)點包括“病人”“看病”“照顧”“情緒”“安慰”等與醫(yī)生人文關(guān)懷主題相關(guān)的詞匯。藍色節(jié)點以“醫(yī)生”為中心，分散為兩部分，分別是以服務(wù)態(tài)度為主題的“態(tài)度”“服務(wù)”“熱情”“負責(zé)”“和藹可親”等詞匯，和以醫(yī)術(shù)水平為主題的“醫(yī)術(shù)”“精湛”“高超”“技術(shù)”等詞匯。最后，節(jié)點最少、分散最廣的紫色聚類簇主要包括“感謝”“感激”等與患者滿意度相關(guān)的詞匯。

綜合主題圖譜的顏色分類和特征關(guān)聯(lián)分析可見，患者對在線健康社區(qū)的關(guān)注反映了患者滿意度對應(yīng)的影響因素，除了與情感傾向相關(guān)的聚類主題，大致可以歸納為5個方面。進一步結(jié)合聚類簇中節(jié)點間的關(guān)聯(lián)度、節(jié)點的數(shù)量和大小，可以發(fā)現(xiàn)，按照患者滿意度因素的重視程度，這5個主題依次是就醫(yī)體驗、醫(yī)術(shù)水平、服務(wù)態(tài)度、解釋清晰度和人文關(guān)懷。

2.3.3 患者在線評論情感傾向分析

運用ROST CM6軟件中的“情感分析”功能計算27995條患者在線評論的情感得分，根據(jù)量化結(jié)果將情感傾向設(shè)置為好評、中評和差評3個程度，并統(tǒng)計出各情感傾向所占的比例，如表2所示。

表2 各情感傾向所占比例

從表2可見，患者對在線健康社區(qū)的總體滿意度良好。78.54%的評論對就診過程給出了好評，好評率較高，有7.08%的評論持中立態(tài)度，另有14.38%的評論表示了不滿，給出了差評。分析評論情感得分，發(fā)現(xiàn)分數(shù)由-100～+243不等，故考慮對情感傾向進一步細化，將好評和差評的情感得分劃分為3個區(qū)間：絕對值0-10分的為輕度情感傾向，絕對值11-20分的為中度情感傾向，絕對值20分以上的為高度情感傾向，統(tǒng)計結(jié)果如表3所示。

表3 細分情感傾向所占比例(好評和差評數(shù)據(jù))

由表3可見，對于占比較高的好評數(shù)據(jù)，其細分情感傾向比較均衡，比例在33.33%上下浮動，充分說明患者對在線健康社區(qū)的就診過程滿意度很高，但大多的好評傾向不是太強烈，所以對于在線健康社區(qū)來說，仍有很大的進步空間。在差評數(shù)據(jù)中，輕度情感傾向占比最高，達79.31%，中度和高度情感傾向的評論所占比例較小，分別為17.88%和2.81%，可以反映出雖然有一定數(shù)量的差評，但是總體程度為輕度，這就要求在線健康社區(qū)需要及時關(guān)注患者就診反饋，實時做出響應(yīng)，提高服務(wù)態(tài)度、醫(yī)生技術(shù)水平、人文關(guān)懷和就診體驗滿意度等?？傊颊邔υ诰€健康社區(qū)的就診體驗是滿意度較高的，但依據(jù)具體的數(shù)值分析，保持時刻關(guān)注是有必要的。

3 結(jié)論及建議

3.1 結(jié)論

本文運用主題圖譜和情感分析方法，采集在線健康社區(qū)內(nèi)10種疾病的患者評論文本，挖掘患者在線醫(yī)評的主題和情感傾向，得到以下研究結(jié)論：

(1)基于高頻詞統(tǒng)計和詞云分析，初步判斷患者在線醫(yī)評的關(guān)注熱點集中于服務(wù)態(tài)度、醫(yī)術(shù)水平、就醫(yī)體驗、醫(yī)德醫(yī)風(fēng)等方面，患者對在線健康社區(qū)的就診過程較為滿意。

(2)依據(jù)共現(xiàn)網(wǎng)絡(luò)和主題圖譜方法，深入挖掘患者在線評論主題。研究表明，在線健康社區(qū)患者評論主題按照關(guān)注程度依次是就醫(yī)體驗、醫(yī)術(shù)水平、服務(wù)態(tài)度、解釋清晰度和人文關(guān)懷五個方面，其中就醫(yī)體驗包括從問診到治療和療效的關(guān)注?？梢娀颊哧P(guān)注更多的是醫(yī)生的專業(yè)素養(yǎng)，即就醫(yī)體驗和醫(yī)術(shù)水平，其次是用戶感知因素，即服務(wù)態(tài)度、解釋清晰度和人文關(guān)懷。

(3)通過情感計算發(fā)現(xiàn)評論中情感傾向為好評的占78.54%，中評占7.08%，差評占14.38%，充分表明患者對在線健康社區(qū)的總體滿意度較高。進一步細分好評和差評數(shù)據(jù)為輕、中、高三個程度，得出好評數(shù)據(jù)中各比例浮動于33.33%上下，還未形成較高的滿意度；在差評數(shù)據(jù)中，輕度占比79.31%，中度和高度占比分別為17.88%和2.81%，可見多數(shù)患者的不滿情緒程度為輕度。

本文具有一定的理論和實踐意義。在理論層面上，基于主題圖譜和情感分析的方法，對患者在線評論進行文本挖掘，較之以往的理論模型和問卷式研究方法，提供了新的研究視角，并且對于該類數(shù)據(jù)的主題挖掘具有非常好的適用性，可以更直觀、有效地揭示在線健康社區(qū)內(nèi)患者關(guān)注內(nèi)容。在實踐層面上，通過在線評論可以快速挖掘患者關(guān)注內(nèi)容和情感傾向，有助于平臺、醫(yī)院及醫(yī)生針對性地改善和提高醫(yī)療服務(wù)，以促進在線健康社區(qū)的發(fā)展。

3.2 建議

基于上述患者在線醫(yī)評數(shù)據(jù)的主題挖掘和情感計算，為促進互聯(lián)網(wǎng)醫(yī)療的可持續(xù)發(fā)展，本文對醫(yī)生和在線健康社區(qū)平臺提出以下建議：

(1)對于醫(yī)生來講，精進醫(yī)術(shù)，提高醫(yī)德。首先，醫(yī)生的醫(yī)術(shù)是滿足患者就醫(yī)需求、治療疾病和提供健康服務(wù)的基礎(chǔ)，醫(yī)生應(yīng)該將提高專業(yè)素養(yǎng)以消除患者病癥作為核心任務(wù)，即使在隔空就醫(yī)形式下，也可以準確判斷患者病癥，提出可靠的治療方案。其次，醫(yī)生的醫(yī)德、服務(wù)態(tài)度和對患者的人文關(guān)懷，可以幫助患者舒緩情緒并有效提升患者的信任度。醫(yī)生在接診時應(yīng)保持同理心和耐心與患者進行溝通，提高疾病解釋的清晰度，為患者有效地答疑解惑；面對患者就診后的在線點評，及時關(guān)注評論內(nèi)容并與其互動，針對性地做出醫(yī)療服務(wù)調(diào)整。

(2)對于在線健康社區(qū)來講，鼓勵患者進行在線點評的共享行為，并整理評論信息，為平臺、醫(yī)生和潛在患者提供參考。以好大夫在線平臺為例，患者對醫(yī)生的評價以滿意為主，難以幫助用戶進行差異化選擇，故平臺可以根據(jù)患者評論中的關(guān)注點優(yōu)化評價體系。評論數(shù)據(jù)中包含患者的健康需求和就醫(yī)體驗，平臺對其進行整合和挖掘，反饋給醫(yī)生以完善和提供更精準的醫(yī)療服務(wù)，并將高價值的共享信息提供給潛在用戶，吸引更多的用戶參與到互動中，促進在線健康社區(qū)的發(fā)展。

此外，本文也存在一定的局限性：一是本文數(shù)據(jù)樣本僅來源于“好大夫”網(wǎng)站，未能融合在線健康社區(qū)內(nèi)的多個平臺數(shù)據(jù)進行實證分析。二是鑒于情感分析的滿意度較高，并未對各主題的情感傾向進行分析。因此，在未來研究中，可以選擇多個在線醫(yī)療社區(qū)平臺、多種數(shù)據(jù)進行主題挖掘、情感分析以及對比分析，并從情感分析的角度對各個主題內(nèi)的數(shù)據(jù)進行情感分析和滿意度研究。