基于養老體驗評論數據進行省域養老產業發展關注度演化研究

摘要：本文以江蘇省養老產業體驗者為研究對象，以社交媒體在線評論數據為基礎，從具有養老需求的老年人及其子女的角度，借助LDA主題模型等文本挖掘方法，找到養老需求方面并計算其權重，研究復雜環境下省域養老產業發展關注度演化情況。

關鍵詞：養老體驗；省域養老產業；關注度演化

1概述

養老產業發展艱巨且復雜，呈現出多主體、多維度、多領域、多階段的發展特征［1］。已有研究主要從養老政策、產業結構等宏觀層面關注養老產業的發展［2］，鮮有從養老需求的微觀方面出發對養老產業發展以量化方式進行深入研究，同時對不同階段和多種情景下的養老產業發展研究也不夠全面。江蘇省作為我國經濟發達的地區之一，養老產業的發展備受關注。為了更好地了解江蘇省養老產業的發展情況，本文以江蘇省養老產業體驗者為研究對象，以社交媒體在線評論數據為基礎，從具有養老需求的老年人及其子女的角度出發，借助LDA主題模型等文本挖掘方法，找到養老需求方面并計算其權重，研究復雜環境下省域養老產業發展關注度演化情況。

2研究方法

2.1數據收集

本文選取IP屬地為江蘇省的“居家養老吧、社區養老吧、養老機構吧、養老吧、養老服務吧、醫養結合吧”等有關養老話題的百度貼吧評論數據，最終爬取并收集了5974個評論數據。抓取時間為2021年1月至2023年3月。

2.2LDA主題模型

本研究通過LDA來識別大規模評論信息中潛在的主題信息。LDA的主要目的是根據每個文檔的詞頻（文檔由預定義的概率生成）來識別指定語料庫的潛在主題［3］，具體步驟如下：（1）特征權重計算。本文選取文本在特征向量上的權重的計算方法為詞頻——逆文檔頻率（TF-IDF），基于TF-IDF方法的LDA模型降低了主題詞匯間的相似度［3］，即當某個關鍵詞在一篇文本中出現的次數越高而在其他文本中出現的次數越少，該關鍵詞的權重和區分度就越高，則越具有代表性。（2）建立LDA主題模型。假設人們關于養老體驗的評論組成整個集合D，其中某條評論d由N個關鍵詞組成，并且假設評論集合D中含有k個隱含的主題。首先以一定概率生成該評論的一個主題分布，然后從上述被抽到的主題中生成對應的詞分布，再根據主題中的詞分布隨機選取一個詞，重復上述過程直至生成完整的主題以建立LDA主題模型［3］。（3）主題數選擇。通過控制不同的主題數量分析困惑度指標，當主題數為6時，困惑度出現較明顯變化且沒有增長趨勢，考慮到主題數過多模型會過度擬合，失去分析意義，因此選擇最優主題數為6。

2.3用戶評論文本主題挖掘結果

根據確定好的主題數得到每個主題的關鍵詞分布，主題挖掘的部分詞匯結果以及主題的特征識別歸納如表1所示。

2.4計算關注度

在本節中，本文借鑒Wang［4］的方法，捕捉有養老需求的消費者關注點在3個月時間間隔內的變化。使用等式（1）計算養老在不同時期對每個主題的關注度。

ADzt=∑mzi=1fzit×wki，z=1，2，…，15（1）

其中，ADzt是t時段內消費者對主題z的關注度，fzit是t時段內第z個主題中第i個關鍵詞的詞頻，wzi是LDA話題建模得到的第k個主題中i個關鍵詞的權重。

3復雜環境下養老體驗的關注度演化研究

計算2020年01月至2022年03月期間每個養老需求關注度累積值、最大值、最小值、平均值和標準差，如表2所示，以分析養老需求的時間演化特征。

如表2所示，本文通過標準差表示關注度波動大小情況：首次發現關注度較高的是養老需求，一般其波動較大；關注度較小的養老體驗其波動一般較小；特別是養老政策支持的關注度較大而波動較小。將養老體驗關注度繪制成圖，如圖1所示，依據養老需求關注度的波動變化，可以將養老體驗為兩峰型和多峰型。按照以下思路分析：先刻畫養老體驗需求波動及趨勢，然后重點關注養老體驗關注度波動拐點，解釋其發生原因。

圖1養老體驗2021.01—2023.03需求波動情況

注：橫坐標1～9表示時間間隔，分別為1表示2021年1～3月、2表示2021年4～6月、3表示2021年7～9月、4表示2021年10～12月、5表示2022年1～3月、6表示2022年4～6月、7表示2022年7～9月、8表示2022年10～12月、9表示2023年1～3月。

3.1老人健康養生

由圖1可知，老人健康養生屬于兩峰型，總體呈現下降趨勢，在2021年9月出現了最顯著的波峰。“老人健康養生”包含的主要關鍵詞有“食物、養生、疾病、預防”等，如表1所示，由此推測養老對老人健康養生的關注主要是身體健康、食物營養、疾病預防、運動鍛煉等養生方式，是與身體生理、自身安全與健康保障相關的話題。《養生堂》等節目在抖音等平臺發布有關老年人養生的視頻，粉絲1623.7萬，點贊關注量為7000萬，使得“老人健康養生”關注度上升，由此產生關注度的波峰。抖音等社交媒體平臺推送的內容是被官方認可的、具有導向和警示作用的內容，高點贊量也說明在養老群體中的普遍性，不難發現社交媒體和輿論對養老需求有影響。

3.2醫養結合需求

由圖1可知，醫養結合需求屬于多峰型，總體呈現下降趨勢，其中關注度最明顯的波峰出現在2022年9月。由表2可知，關注度均值最大，標準差波動排名第二，極差排名第二。“醫養結合需求”主要的關鍵詞有“服務、服務平臺、生活、醫療”，如表1所示。在蘇杭地區，醫養結合為老年人提供居家生活照料、巡診、康復護理、送餐、助餐等服務，其波峰的產生依托社區居民網上健康學習平臺等，在社區推進健康管理的知識普及，提高老年人健康素養和自我管理水平，且針對老年人視力功能、口腔健康、營養狀況等進行早期篩查干預措施，實現健康評估和功能維護，加強老年人的健康管理、身體機能訓練和慢病運動干預等［5］。

3.3失能老人護理

由圖1可知，失能老人護理屬于多峰型，呈現下降趨勢，其中主要的波峰出現在2021年12月。由表2可知，關注度均值排名第四，標準差波動程度排名第三，極差排名第四。“失能老人護理”主要的關鍵詞有“照顧、護理員、選擇、自理、設備”，如表1所示，可以發現，“失能老人護理”造成的問題主要是養老機構及服務人員是否能夠提供自理老人必需的照護服務和生活需求。隨著人口老齡化的上升，失能老人護理不僅是老人與子女的需求，也是人民群眾的共同期盼、政府保障和改善民生、促進社會共享發展的重要內涵［6］。

3.4養老機構環境

由圖1可知，養老機構環境屬于雙峰型，呈現上升趨勢，其中最高的波峰出現在2021年12月。由表2可知，關注度均值排名第六，標準差波動排名第五，極差排名第五。“養老機構環境”主要的關鍵詞有“電動、裝修、扶手、自動”，如表1所示。養老機構的環境通常依其地域、人文和服務類別的不同而有各自的設計要求。由于老年人的生活能力和活動范圍有限，江蘇省“養老機構環境”包括公寓先進的設施設備和社區自然環境。因此，從評論中可知，老年人及其子女認為養老機構的設施越便利、社區環境越適宜，適應過程持續時間越短。

3.5養老機構宣傳

由圖1可知，養老機構宣傳屬于多峰型，呈現下降趨勢，其中最高波峰出現在2021年6月，最低波谷出現在2022年3月。由表2可知，關注度均值排名第五，標準差波動排名第四，極差排名第三。“養老機構宣傳”涉及主要的關鍵詞是“展會、參觀、公寓、展示、傳播、品牌”，如表1所示。養老體驗的關注點之一是“養老機構宣傳”是由于養老機構的宣傳工作，比如參觀展會、公寓，現場體驗，品牌交流等，可以通過物理接觸或者實踐獲得養老機構設施設備的交互體驗和反饋，增加老年人及其子女對養老機構和養老服務的認知和了解。

3.6養老政策支持

由圖1可知，養老政策支持屬于多峰型，呈現下降趨勢，其中“養老政策支持”最明顯的波谷出現在2022年3月。由表2可知，養老政策支持的關注度較大而波動較小，其關注度均值排名第三，標準差波動排名第六，極差排名第六。“養老政策支持”頻繁出現的詞是“政府、技術、國家、政策、管理”，如表1所示。江蘇省作為中國最早進入老齡化社區的地區之一，在解決老齡化問題上進行了諸多嘗試。省政府出臺了《省政府關于全面放開養老服務市場提升養老服務質量的實施意見》《省政府關于進一步推進養老服務高質量發展的實施意見》等多項政策。正是由于江蘇省重視優化養老資源和提高養老服務的政策支持，江蘇省百姓對養老產業的關注度更高［7］。

4結論

本文利用LDA主題模型應用于百度貼吧養老評論，識別養老需求并計算其關注度，通過關注度演化分析試圖長期跟蹤養老體驗演化趨勢。

首先，本文發現了一些新的規律，養老機構宣傳、養老機構環境、失能老人護理、老人健康養生、醫養結合需求、養老政策支持是養老體驗最關注的養老問題。

其次，本研究發現一些有趣的規律：（1）關注度平均值高的養老體驗需求，其波動幅度一般也較大；（2）關注度平均值低的養老需求，其波動幅度一般較小；（3）存在例外，養老政策支持的關注度平均值較高而波動幅度較小；（4）醫養結合需求關注度平均LmUA7M40NqHoCqIUJKy1+w==值最高，老人健康養生的波動幅度最大；（5）醫養結合需求、養老政策支持、失能老人護理、養老機構宣傳的關注度是上升趨勢，老人健康養生、養老機構環境的關注度是下降趨勢；（6）關注度上升的養老需求數量多，關注度下降的養老需求數量少。

最后，本文發現養老需求關注度受社交媒體和相關輿論影響較大。因此，養老產業發展需要關注社會媒體的輿論引導，限于篇幅雖無法使用嚴格的計量經濟模型驗證，但是抖音（Tik

Tok）等社交媒體對養老需求的影響似乎存在某種聯系，后期再做研究。

參考文獻：

［1］李曉娣，原媛，黃魯成.政策工具視角下我國養老產業政策量化研究［J］.情報雜志，2021，40（04）：147-154.

［2］何秋潔，楊曉維.大健康產業與養老服務的耦合協調度分析［J］.軟科學，2019，33（10）：45-49.

［3］KimD，SeoD，ChoS，etal.Multi-co-trainingfordocumentclassificationusingvariousdocumentrepresentations：TF-IDF，LDA，andDoc2Vec［J］.Informationsciences，2019，477：15-29.

［4］WangY，ChiY，XuJH，etal.Consumers'attitudesandtheireffectsonelectricvehiclesalesandcharginginfrastructureconstruction：anempiricalstudyinChina［J］.EnergyPolicy，2022，165：112983.

［5］楊哲，陳思思，陳永妍.社區醫養結合服務參與主體行動邏輯及調適策略［J］.中國管理科學，2023，31（04）：218-227.

［6］李建偉，吉文橋，錢誠.我國人口深度老齡化與老年照護服務需求發展趨勢［J］.改革，2022（02）：1-21.

［7］廖陽，鄭嘉茵.城市居民入住養老小鎮意愿影響因素分析［J］.統計與決策，2019，35（17）：116-119.

基金項目：本文是國家社科基金項目“網絡社群對即時眾包物流平臺用戶體驗的影響研究”階段性成果（項目編號：22BGL124）；江蘇省衛生健康發展研究中心課題“復雜環境下省域養老產業發展戰略模式與政策研究”階段性成果（項目編號：JSHD2021058）；中國高等教育學會2021年度專項課題“基于人才培養效率的區域高等職業教育評價改革研究”（項目編號：21ZJD15）

作者簡介：張毅（1980—），山西人，博士，教授，研究方向：養老產業管理；張清龍（貢獻等同于第一作者）（1977—），江蘇人，碩士，高級會計師，江蘇省衛生健康發展研究中心副主任，研究方向：人口政策研究、衛生政策研究。