【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 ...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。