一种基于网络数据的在线医疗患者满意度测量方法技术

本发明专利技术属于医疗服务评价领域，公开了一种基于网络数据的在线医疗患者满意度测量方法，包括以下步骤：获取在线医疗评论文本；S2、对在线医疗评论文本进行情感语义分析，得到情感语义标注文本；S3、识别评论文本对应的患者满意度评价属性；S4、确定评价文本中各个评价属性的评价值；S5、将医疗评论的情感分析结果转化为向量，以医生为评价对象，得到各个评价对象的评价值向量；基于TF

【技术实现步骤摘要】
一种基于网络数据的在线医疗患者满意度测量方法


[0001]本专利技术属于医疗服务管理与评价领域，具体地说，涉及一种基于网络数据的在线医疗患者满意度测量方法。

技术介绍

[0002]患者满意度(Patient Satisfaction，PS)是患者在治疗过程中的实际体验与其期望相比其需求被满足的程度。国际上患者满意度被视为测量和报告医疗服务质量的关键组成部分，开发了多种评价量表，主要有美国兰德公司学者Ware 1976年研制的系列患者满意度问卷、英国Baker 1990年研制的全科医学服务患者满意度问卷、Grol等1999年开发的欧洲全科医疗服务满意度问卷以及2000年澳大利亚维多利亚住院患者满意度监测等。
[0003]但是，传统的患者满意度测量主要依靠专家法和问卷调查数据，难以适应在线医疗环境下提高患者体验的需要。因此，如何适应新时代的技术和数据，充分利用网络信息资源，得到更为丰富的评价属性体系，得到结构良好的、量化的患者满意度测量结果，成为摆在管理者面前需要迫切解决的问题。

技术实现思路

[0004]本专利技术克服现有技术存在的不足，所要解决的技术问题为：提供一种基于网络数据的在线医疗患者满意度测量方法。
[0005]为了解决上述技术问题，本专利技术采用的技术方案为：一种基于网络数据的在线医疗患者满意度测量方法，包括以下步骤：
[0006]S1、获取在线医疗评论文本；
[0007]S2、对在线医疗评论文本进行情感语义分析，得到情感语义标注文本，所述情感语音标注文本中标注了语义类、语义角色以及情感词；
[0008]S3、根据所述情感语义标注文本中的语义类标识、语义角色标识，匹配患者满意度评价属性数据库，识别评论文本对应的患者满意度评价属性；
[0009]S4、根据所述情感语义标注文本中的情感词标识，确定评价文本中各个评价属性的评价值；
[0010]S5、将医疗评论的情感分析结果转化为向量，所述向量包括每一条患者评论所涉及的评价属性及其评价值，以医生为评价对象，得到各个评价对象的评价值向量；基于TF
‑
IDF计算各个评价属性的权值；
[0011]S6、根据权值和评价值向量，计算各个评价对象的满意度值。
[0012]所述步骤S2中，对在线医疗评论文本进行情感语义分析时，采用语义词典和模式匹配规则相结合的语义分析方法，识别医疗在线评论中的情感信息，将在线评论转化为由情感语义类、语义角色组成的结构化信息；
[0013]其中，语义词典按以下方法构建：首先从在线医疗应用平台爬取多个患者评论文本；然后对其进行进行分词、词性标注预处理，提取其中的动词和形容词，存储为初始词表；
对词表中表达同类情感范畴的词归入同一语义类，添加语义类的定义和描述，描述内容包括语义类名称、该类别的所有词语、每个词语的情感值；其中情感值的标注根据词语的情感极性及其强度确定，取值范围为(0
‑
1.0)。
[0014]所述步骤S3中，还包括构建患者满意度评价属性数据库的步骤，所述患者满意度评价属性数据库的构建方法为：基于语义标注的在线评论数据，抽取“语义类
‑
语义角色”对，采用层次聚类法对其进行聚类，形成患者满意度评价属性体系，并储存在患者满意度评价属性数据库中。
[0015]所述步骤S3中，在匹配过程中，如遇评价属性数据库未收录词，则计算其与已有词语的语义相似度，根据相似度最高的词语，确定其所属类别；如遇数据库未收录语义角色或语义角色缺省，则仅以语义类匹配评价属性数据库；如果在数据库中该语义类对应多个评价属性类别，则以频率最高者为最终的评价属性识别结果。
[0016]所述步骤S4中，各个评级评价属性的评价值以词典中词语的情感值为基础，再依据语义角色和上下文特征而定，其中，上下文特征主要为程度副词修饰语和否定词修饰语，程度副词修饰语调整情感值的高低，而否定词的作用是使情感值取反值。
[0017]所述步骤S5中，各个评价对象的评价值向量D
i
＝(f
i1
,f
i2
,
…
,f
im
)中各个元素的计算公式为：
[0018][0019]其中，D
i
表示第i个评价对象的评价值向量，f
ij
表示第i个评价对象在第j个评价属性上的标准化评价值，A
ij
表示第i个评价对象在第j个评价属性上的评价值之和。
[0020]所述步骤S5中，各个评价属性的权值计算公式为：
[0021]W
j
＝TF
j
×
IDF
j
；
[0022]其中，TF
j
表示第j个评价属性的词频，IDF
j
表示第j个评价属性的逆向文件频率。
[0023]各个评价属性的词频和逆向文件频率的计算公式为：
[0024][0025]其中，n
j
(d)和n
k
(d)分别表示第j和第k个评论评价属性在评论文本集d中的出现次数，|D|为总评论条数，|{j：t
i
∈d
m
}|为包含第j个评价属性的评论条数，t
i
表示第i条评论，d
m
表示全部评论。
[0026]所述步骤S6中，各个评价对象满意度的计算公式为：
[0027][0028]其中，Qi表示第i个评价对象的满意度，v表示第二权重，S*表示群体效用值S
i
中的最小值，S
‑
表示群体效用值S
i
中的最大值，R*表示个体遗憾值R
i
中的最小值，R
‑
表示个体遗憾值R
i
中的最大值，即：S
*
＝minS
i
，S
‑
＝maxS
i
，R
*
＝minR
i
，R
‑
＝maxR
i
；S
i
表示第i个评价对象
的个体遗憾值，R
i
表示第i个评价对象的个体遗憾值；
[0029]其中，S
i
和R
i
的计算公式为：
[0030][0031]其中，W
j
表示第j个评价属性的权重，f
j
*和f
j—
分别表示各个评价对象的评价值向量中，第j个评价属性评估值中的最大值和最小值，f
ij
表示第i个评价对象在第j个评价属性上的评价值。
[0032]本专利技术提供了一种基于网络数据的在线医疗患者满意度测量方法，该方法以语义深度的情感分析作为数据收集和处理方式，提取患者评论文本中的评价属性体系和评估值；以优化的多评价属性决策法对评论数据进行计算，得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于网络数据的在线医疗患者满意度测量方法，其特征在于，包括以下步骤：S1、获取在线医疗评论文本；S2、对在线医疗评论文本进行情感语义分析，得到情感语义标注文本，所述情感语音标注文本中标注了语义类、语义角色以及情感词；S3、根据所述情感语义标注文本中的语义类标识、语义角色标识，匹配患者满意度评价属性数据库，识别评论文本对应的患者满意度评价属性；S4、根据所述情感语义标注文本中的情感词标识，确定评价文本中各个评价属性的评价值；S5、将医疗评论的情感分析结果转化为向量，所述向量包括每一条患者评论所涉及的评价属性及其评价值，以医生为评价对象，得到各个评价对象的评价值向量；基于TF
‑
IDF计算各个评价属性的权值；S6、根据权值和评价值向量，计算各个评价对象的满意度值。2.根据权利要求1所述的一种基于网络数据的在线医疗患者满意度测量方法，其特征在于，所述步骤S2中，对在线医疗评论文本进行情感语义分析时，采用语义词典和模式匹配规则相结合的语义分析方法，识别医疗在线评论中的情感信息，将在线评论转化为由情感语义类、语义角色组成的结构化信息；其中，语义词典按以下方法构建：首先从在线医疗应用平台爬取多个患者评论文本；然后对其进行进行分词、词性标注预处理，提取其中的动词和形容词，存储为初始词表；对词表中表达同类情感范畴的词归入同一语义类，添加语义类的定义和描述，描述内容包括语义类名称、该类别的所有词语、每个词语的情感值；其中情感值的标注根据词语的情感极性及其强度确定，取值范围为(0
‑
1.0)。3.根据权利要求1所述的一种基于网络数据的在线医疗患者满意度测量方法，其特征在于，所述步骤S3中，还包括构建患者满意度评价属性数据库的步骤，所述患者满意度评价属性数据库的构建方法为：基于语义标注的在线评论数据，抽取“语义类
‑
语义角色”对，采用层次聚类法对其进行聚类，形成患者满意度评价属性体系，并储存在患者满意度评价属性数据库中。4.根据权利要求1所述的一种基于网络数据的在线医疗患者满意度测量方法，其特征在于，所述步骤S3中，在匹配过程中，如遇评价属性数据库未收录词，则计算其与已有词语的语义相似度，根据相似度最高的词语，确定其所属类别；如遇数据库未收录语义角色或语义角色缺省，则仅以语义类匹配评价属性数据库；如果在数据库中该语义类对应多个评价属性类别，则以频率最高者为最终的评价属性识别结果。5.根据权利要求1所述的一种基于网络数据的在线医疗患者满意度测量方法，其特征在于，所述步骤S4中，各个评级评价属性的评价值以词典中词语的情感值为基础，再依据语义角色和上下文特征而定，其中，上下文特征主要为程度副词修饰语和否定词修饰语，程度副词修饰语调整情感值的高低，而否定词的作用是使情感值取反值。6.根据权利要求1所述的一种基于网络数据的在线医疗患者满意度测量方法...

【专利技术属性】
技术研发人员：由丽萍，王世兴，
申请(专利权)人：山西大学，
类型：发明
国别省市：