摘要 | 第4-5页 |
abstract | 第5-6页 |
绪论 | 第11-21页 |
一、研究缘起及意义 | 第11-12页 |
(一)研究缘起 | 第11页 |
(二)研究意义 | 第11-12页 |
二、文献综述 | 第12-18页 |
(一)关于医患冲突的研究 | 第12-17页 |
(二)关于医患冲突的网络舆情研究 | 第17-18页 |
三、研究内容与研究方法 | 第18-19页 |
(一)研究内容 | 第18-19页 |
(二)研究方法 | 第19页 |
四、相关概念与界定 | 第19-21页 |
(一)医患关系与医患冲突 | 第19-20页 |
(二)舆情与网络舆情 | 第20-21页 |
第1章 我国医患冲突问题的概述 | 第21-27页 |
1.1 我国医患冲突的发展现状 | 第21-23页 |
1.2 医患冲突发生的原因 | 第23-25页 |
1.2.1 医方原因 | 第23-24页 |
1.2.2 患方原因 | 第24页 |
1.2.3 社会原因 | 第24页 |
1.2.4 媒体原因 | 第24-25页 |
1.3 网络舆情对医患冲突的影响 | 第25-27页 |
1.3.1 网络舆情对医患冲突的正面影响 | 第25-26页 |
1.3.2 网络舆情对医患冲突的负面影响 | 第26-27页 |
第2章 数据挖掘在医患冲突网络舆情研究中的应用 | 第27-35页 |
2.1 大数据与数据挖掘 | 第27-28页 |
2.1.1 大数据的定义、特征和相关分析方法 | 第27页 |
2.1.2 数据挖掘的起源和定义 | 第27-28页 |
2.1.3 数据挖掘在网络舆情分析中的应用 | 第28页 |
2.2 通过数据挖掘技术建立医患冲突网络舆情样本数据库 | 第28-33页 |
2.2.1 数据收集 | 第28-29页 |
2.2.2 数据集成 | 第29-30页 |
2.2.3 数据清理 | 第30-33页 |
2.2.4 数据变换 | 第33页 |
2.3 数据库建立过程中遇到的问题与对策 | 第33-35页 |
2.3.1 账号抓取受限 | 第33页 |
2.3.2 IP封锁 | 第33页 |
2.3.3 情感数据分析准确性偏差大 | 第33-35页 |
第3章 医患冲突网络舆情的数据呈现与分析 | 第35-45页 |
3.1 医患冲突网络舆情的基本数据呈现 | 第35-37页 |
3.1.1 参与用户的群体数据 | 第35-36页 |
3.1.2 参与用户的地区分布数据 | 第36-37页 |
3.2 医患冲突网络舆情的热度分析 | 第37-40页 |
3.2.1 舆情指数态势分析 | 第37-38页 |
3.2.2 医患冲突网络舆情关注度分析 | 第38-40页 |
3.3 医患冲突网络舆情的情感倾向性分析 | 第40-45页 |
3.3.1 语义的情感倾向性的分析方法 | 第40页 |
3.3.2 情感倾向性数据的呈现 | 第40-42页 |
3.3.3 医患冲突网络舆情中意见领袖的情感倾向性 | 第42-45页 |
第4章 近五年医患冲突的网络舆情状况分析 | 第45-60页 |
4.1 医患冲突网络舆情的构成要素 | 第45-51页 |
4.1.1 网络 | 第45-46页 |
4.1.2 舆情主体 | 第46-47页 |
4.1.3 舆情事件 | 第47-49页 |
4.1.4 情感倾向 | 第49-50页 |
4.1.5 传播互动 | 第50-51页 |
4.2 医患冲突网络舆情的传播特点 | 第51-54页 |
4.2.1 舆情时效性强且爆发迅速 | 第51-52页 |
4.2.2 事件场域狭小与舆情广泛性具有明显反差 | 第52-53页 |
4.2.3 舆情共鸣效应导致群体极化突出 | 第53-54页 |
4.3 医患冲突网络舆情的演化模式 | 第54-58页 |
4.3.1 酝酿期 | 第55-56页 |
4.3.2 扩散期 | 第56页 |
4.3.3 爆发期 | 第56-57页 |
4.3.4 衰退期 | 第57-58页 |
4.4 医患冲突网络舆情的意义 | 第58-60页 |
4.4.1 医患冲突网络舆情对医患关系的意义 | 第58页 |
4.4.2 医患冲突网络舆情对新闻媒体和政府机关的意义 | 第58-59页 |
4.4.3 医患冲突网络舆情对现实社会的意义 | 第59-60页 |
结语 | 第60-61页 |
参考文献 | 第61-64页 |
附录 | 第64-76页 |
附录一 本文构建数据样本库所用的部分编程代码 | 第64-73页 |
附录二 近五年医患冲突网络舆情情感细分统计 | 第73-76页 |
致谢 | 第76-77页 |