随着我国综合国力的不断增强,整体的医疗服务能力以及医疗安全水准也在不断提高,然而医疗资源的供给不足与分配不均等问题仍然存在,医患矛盾仍在不断产生。众多研究表明,患者对于医生或医院提供的医疗服务不满意是导致医患矛盾的主要根源。而大批在线医疗社区相继出现,使得患者可以在远程享受医疗服务的同时对医疗服务进行自主评价,在线分享就医经验,由此产生了大量患者对医生和医院评价的在线医评信息,这些医评信息的合理利用将对提高整体的医疗服务水平,改善医患关系起到重要作用。本文首先基于大众点评的在线医疗评论信息,综合运用文本挖掘的各种理论与方法展开研究,基于LDA主题模型进行评论热点内容的识别,并依据主题关键词信息对各主题进行命名,之后对主题进行二级分类与概括汇总,最终归纳出:医院主题大类下对应就医流程,就诊环境,设备设施三个主要子类,医生主题大类下对应技术水平,服务态度,医德医风三个主要子类,患者主题大类对应就诊情绪,疾病描述两个主要子类。接着本文提出一种情感分值计算模型用于计算各条评论的主题情感分值:即通过整合通用情感词典并辅助语料词汇建立特定领域情感词典,结合主题关键词,否定词和程度词通过自定义规则完成对每条文本的主题情感计算;应用上述情感分值计算模型对整体的主题情感倾向进行了分析,结果发现各主题下的患者评论均是正面情感倾向居多。最后本文以评论情感值为依据对平台打分机制进行验证与优化:首先对不同医院在不同主题下的情感值进行计算汇总,并将其与医院的原始打分进行对比,结果表明情感值与打分值之间具有较高一致性,证明了该方法的合理性;然后对不同主题和原始打分项进行相关性分析,以此来验证原始打分机制的有效性;进一步根据相关分析结果构建总打分关于各主题的回归分析模型,根据回归结果提出了改善医患关系的部分建议和打分体系的扩展优化方案。本文的研究为深入分析在线医评信息提供了一定的指导意义。首先本文的主题挖掘结果揭示了患者在就医时更为关注哪些方面的信息,对于针对性地提升患者满意度具有参考价值,同时也丰富了关于患者就医行为的研究成果;其次本文使用基于领域情感词典和主题关键词的情感值计算方法,依据评论的特点为每条评论指定唯一的主题,避免了主题矩阵稀疏导致最终结果过拟合的情况,使得每条评论得到的情感倾向值更具有集中性和针对性,准确性也较高;最后,本文以主题情感值为依据,验证了原始打分机制的有效性,并对其进行了基于主题的优化,对帮助平台提升用户体验具有一定的指导价值。本文的不足之处有:情感值计算规则在定义时存在一定简化,如弱化了程度词的词序与距离影响,可能造成程度词的重复使用;回归模型中没有考虑诸如文本长度,疾病类型等非标签化变量的影响,忽视了可能存在的调节作用和其他变量间的交互作用;数据信息不全面,如缺少患者与医生之间的关联和互动信息等。