基于Logistic模型医疗网络舆情监控与预警系统研究.docVIP

基于Logistic模型医疗网络舆情监控与预警系统研究 　　摘要：为了能够有效地监控和预警医疗网络的舆情，及时地解决可能出现的医疗舆情危机，提高医院舆情危机应对能力，提升医疗服务质量，医疗舆情监控和预警系统显得尤为重要。该文根据医疗网络舆情的特点，对医疗网络舆情监控和预警的相关技术进行了研究。主要包括数据收集和预处理、医疗知识库、医疗事件预警模块的设计，最后实现了一个原型系统以验证系统的有效性。 　　关键词：Logistic；医疗舆情；监控；预警 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2018）04-0010-02 　　1 背景 　　随着计算机和网络技术的快速发展，互联网已成为现代社会最重要的媒介。CNNIC第40次报告显示，截至2017年6月，我国网民规模达7.51亿，互联网普及率为54.3%。其中，即时通信用户数为6.92 亿，搜索引擎用户数为6.09亿，网络新闻用户规模为6.25 亿。微信朋友圈、QQ 空间作为即时通信工具所衍生出来的社交服务，用户使用率分别为84.3% 和65.8%。海量用户通过互联网获取最新资讯，互联网虽有利于自由表达自己的思想，也能被一些坏人利用，误导舆论。 　　医院舆情危机指能够对医院正常运营，或者声誉造成潜在破坏的舆情。在现今医患关系非常紧张的形势下，本来一个普通的医患纠纷，通过互联网的放大作用，很可能形成舆情危机事件。因此，有必要建设高效的医疗网络舆情监测和预警系统，便于医疗部门尽早采取应对措施，将危机消灭在初期。 　　本文基于Logistic模型，设计并实现了一个医疗舆情监控与预警系统。下面将对本系统的构成、功能模块以及实现进行介绍。 　　2 系统构成 　　本文提出的系统的结构如图1所示。 　　系统主要包括6个模块：数据采集及预处理模块、医疗舆情常态监控模块、医疗敏感知识库模块、舆情危机预警指标体系模块、预警多元回归模型模块以及四级预警?c展示模块。 　　3 系统实现关键技术 　　3.1 数据采集及处理模块 　　本模块的任务是负责博客、论坛、新闻、微博上关于医疗舆情网页的抓取并存入MYSQL数据库。本模块的功能有两个：一是提供对新浪博客、天涯论坛、新浪微博、新浪新闻医疗舆情网页抓取的接口。另外可以提供对新浪博客、天涯论坛、新浪微博、新浪新闻实时抓取新数据的接口。本模块使用的软件及工具有：1）Eclipse环境及jdk 1.8.0_131的java语言。2）WebMagic爬虫框架，采用其0.7.2开源版本。3）quartz任务调度框架，采用其2.2.3开源版本。4）selenium 框架，采用其2.44.0开源版本。5）chrome的自动化软件。 　　爬虫爬取具体步骤： 　　1） 创建词库、并且分类。 　　如图2所示，创建表。 　　2） 分析网页、编写爬虫 　　（1） 根据关键词、标题、排序等参数编写url。 　　（2） 分析该网页的文章url的格式、找到规律，编写正则表达式。 　　（3） 将该网页中所有符合“文章正则表达式”的网页添加到待爬取队列当中。 　　（4） 将该页的分页也编写正则表达式，并且将符合“分页正则表达式”的网页添加到待爬取队列当中。 　　（5） 将文章的网页中的标题、正文、日期、作者等相关信息通过webmagic框架中的方法提取出来，并且存到数据库中。 　　3） 根据需要、实时抓取 　　可以将以上爬虫简写成只爬取前两页的内容，但是获取到的结果都要经过时间优先，且结果都要根据标题检索。 　　3.2 医疗舆情知识库模块 　　医疗舆情知识库模块由医疗事件库、医疗关键词库、关注站点库和微博虚拟身份库组成。医疗事件库收集了近年来具有较大社会影响力的50多个涉及医疗纠纷、医患关系、医疗事故等的医疗领域事件。医疗关键词库收集了200多个医疗关键词组，为识别医疗信息提供帮助。微博虚拟身份库包含两百多个重点关注用户，有助于提高数据抓取的目标性。 　　3.3 医疗事件预警模块 　　3.3.1 预警系数构成 　　根据系统采集到的数据，制定了舆情发布、舆情发布者两个一级系数，舆情发布广度、舆情发布活速率、舆情发布者具有的影响力、舆情发布者活跃程度四个二级系数，以及六个三级系数，如表1所示。 　　3.3.2 预警模型构造 　　根据前期采集到的医疗事件，采用多元Logistic回归训练模型，可判别出对医疗事件预警起关键作用的指数，同时训练出各个指数的权重值。 　　医疗舆情事件的预警可以认为是一个具有两个值的因变量的Logistic回归模型，研究因变量y取值为1（预警）的概率p与自变量x之间的关系。自变量x是一个向量，它是影响y的因素。设在向量x条件下y=1的概率是p=p（y=1|x），那么所得出的公