欢迎来到天天文库
浏览记录
ID:34876484
大小:2.55 MB
页数:68页
时间:2019-03-13
《基于用户评论的专科医院评价研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、基于用户评论的专科医院评价研究燕丽苹2015年12月中图分类号:C931.6UDC分类号:005基于用户评论的专科医院评价研究作者姓名燕丽苹学院名称管理与经济学院指导教师高慧颖副教授答辩委员会主席陈翔教授申请学位管理学硕士学科专业管理科学与工程学位授予单位北京理工大学论文答辩日期2015年12月ResearchonEvaluationofSpecialHospitalsBasedontheUserReviewsontheInternetCandidateName:LipingYanSchoolorDepartment:ManagementandEconomicsFacultyMe
2、ntor:Prof.HuiyingGaoChair,ThesisCommittee:Prof.XiangChenDegreeApplied:MasterofManagementMajor:ManagementScienceandEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence:Dec,2015研究成果声明本人郑重声明:所提交的学位论文是我本人在指导教师的指导下进行的研究工作获得的研究成果。尽我所知,文中除特别标注和致谢的地方外,学位论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得北京理工大
3、学或其它教育机构的学位或证书所使用过的材料。与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。特此申明。签名:日期:北京理工大学硕士学位论文摘要随着Web2.0和医疗信息化的快速发展,越来越多的专业化医疗服务网站兴起,如好大夫在线、挂号网等。多数医疗门户网站除了为用户提供专业医疗服务外,还支持用户分享就医经验,对医院、医生或服务等发表评论。同时,许多病人或者家属也愿意分享自己对医院治疗效果、医护人员服务态度等的感受。对于其他病患来说,可以借鉴别人的就医经验,辅助自己选择合适的医院。但是海量的评价信息造成了信息过载,病患难以在短时间内消化和利
4、用所有评论。因此,本文利用丰富的评论资源挖掘出用户对医院的关注特征以及情感倾向性,对同种类型医院的相应特征根据患者的情感倾向进行比较,从而为病人提供决策支持。本文首先利用关联规则、词频统计筛选等技术进行医院初始特征的挖掘,并引入一个权威的医院评价指标体系,结合语义知识分析初始特征与指标的相似度,进一步构建一个完善的医院特征体系。然后,基于现有的情感词典,引入非规范的网络情感词表构建一个完善的情感词典,通过基于词典的情感分析技术对医院特征词进行情感极性判断。最后对医院各级特征的情感极性值做出统计对比分析,从而为病患选择合适的医院提供支持。本文选择三家肿瘤专科医院作为实验对象,挖掘得
5、到肿瘤专科医院特征,并且对三家医院各级特征进行情感分析,经验证实验结果是可以接受的,能够很好地为其他病患根据偏好选择医院提供参考。关键词:医疗机构;特征挖掘;语义知识;情感分析;评价I北京理工大学硕士学位论文AbstractWiththerapiddevelopmentofweb2.0andmedicalinformatization,moreandmorespecializedmedicalservicewebsitesarise,suchaswww.haodf.com,www.guahao.comandsoon.Mostmedicalportalwebsitesnotonly
6、provideprofessionalmedicalservicestousers,butalsosupportuserstoshareexperienceandcommentonhospitalsanddoctorsetc.Furthermore,manypatientsandrelativesarewillingtosharetheirfeelingsonthetreatmenteffectsandmedicalstaffserviceattitudesetc.Otherpatientscanalsodrawlessonsfromothers’experiencetochoo
7、seasuitablehospital.Butusersaredifficulttodigestandassimilatethelargeamountofreviews.Therefore,thisstudyaimstominetheuser-focusedhospitalfeaturesandsentimentaltendencyusingtherichresourcesofcommentsandcomparethecorrespondingfeaturesofthesamet
此文档下载收益归作者所有