典型文献
移动医疗App在线评论维度挖掘与情感分析
文献摘要：
目的:对我国移动医疗App的在线评论进行维度挖掘与情感分析,以便精准评价用户满意度.方法:基于App Store中国应用市场中医疗类App的在线评论数据,采用集成多策略的深度学习方法,首先应用TF-IDF算法、BERT模型和Canopy+K-means聚类分析方法提取移动医疗App在线评论的主要维度,然后通过计算各维度权重值,明确不同维度对用户整体评价意见的重要性,最后利用LSTM-CNN模型对各维度的用户评论进行细粒度情感分析.结果:用户关注的移动医疗App在线评论主要维度依次为专业性、可靠性、交互性、易用性和特色性;用户对移动医疗App的整体满意度不高,在可靠性、交互性、特色性维度上的评论积极情感倾向率较低;同时,移动医疗各细分领域的App在不同维度上也存在明显不同的优势和劣势,需要根据自身特色和发展目标进行优化与完善.结论:集成多策略的深度学习方法在移动医疗App在线评论维度挖掘和情感分类上具有很好的适用性、稳定性与可推广性,可为App在线评论文本分析和用户满意度评价提供重要的方法支撑.
文献关键词：
移动医疗App;深度学习;在线评论挖掘;情感分析
中图分类号：
作者姓名：
柯洁;杨婉;黄桂玲;王璇;刘倩
作者机构：
武汉大学中南医院神经康复科,湖北 武汉 430071;武汉大学中南医院护理部,湖北 武汉 430071;武汉大学中南医院脊柱与骨肿瘤科,湖北 武汉 430071
文献出处：
引用格式：
[1]柯洁;杨婉;黄桂玲;王璇;刘倩-.移动医疗App在线评论维度挖掘与情感分析)[J].中华医学图书情报杂志,2022(06):20-29
A类：
Canopy+K
B类：
移动医疗,App,精准评价,Store,中国应用,应用市场,评论数据,多策略,深度学习方法,TF,IDF,BERT,means,聚类分析方法,主要维度,权重值,不同维度,用户评论,细粒度情感分析,交互性,易用性,整体满意度,积极情感,情感倾向,倾向率,分领,优化与完善,情感分类,推广性,评论文本分析,用户满意度评价,在线评论挖掘
AB值：
0.321033
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
