基于R語言文本挖掘的信息運維管理研究

摘要：為了提高信息設備的可用性，減少信息運維人員的工作量并推動醫院運維智慧管理，利用R語言的jiebaR函數包 對信息故障記錄文本進行分詞處理，使用tm、slam、NLP等包對分詞結果應用TF-IDF（Term Frequency-Inverse Document Frequency） 算法分析信息設備的主要故障，并追溯故障的影響因素，用于調整運維管理方案。該研究結果對信息運維管 理具有良好的指導和實踐意義。

關鍵詞：R語言；TF-IDF算法；詞頻；文本挖掘

中圖分類號：TP391

文獻標識碼：A

文章編號：1009-3044（2025）13-0048-05

0 引言

醫療信息化發展迅速，近幾年醫院擁有的系統和 設備也隨之增多。智慧醫療雖推動醫院高質量發展 并為患者診療帶來便利，但也增加了醫院信息系統和 設備的運維數量。因此，亟須構建科學完備的運維管 理機制，輔助IT運維人員在運維時做到響應時間短、 故障排查快、故障預測準，提升醫院IT運維管理部門 的業務能力，使醫院信息化系統更加穩定、安全、高效 地運行[1] 。

免費 R ，主要用于統計分析和數據可視化 語言是近年來興起的一門計算機語言 [2] 。以一個快 ，開源且 速和簡單的方式來實現機器學習算法，構建預測模 型。目前在醫學、生物學、生態環境科學、經濟學、社 會科學等各領域都得到了廣泛的應用[3-5] ，是做數據挖 掘的首選工具。本研究將某三甲醫院的沉淀運維文 本數據和R語言統計挖掘分析結合起來，從中發現一 些問題和規律。通過制定相應的對策，減少運維人員 的工作量，為醫院智慧管理提供輔助支持。

1 數據來源與方法

某三甲醫院自建院以來就有故障運維文本記錄 系統，但是由于系統陳舊，數據以自然語言的非結構 化文本形式存在，數據提取十分困難，數據的價值難 以利用和體現。本文采用 R 語言 jiebaR 包作分詞處 理，采用 TF-IDF 算法（Term Frequency-Inverse Docu? ment Frequency 詞頻—逆向文件頻率） 計算每個分詞 的 TF-IDF 值，按降序排列，取排在最前面的一些分 詞。這些詞具有良好的類別區分能力，可作為關鍵詞 輸出，可用于制作可視化的詞云圖。具體流程如圖1。

1.1 數據來源

本研究選取某三甲醫院的信息運維記錄作為研 究對象，這些記錄中包含了操作人員、故障描述、登記對故障結果、處理時間等進行補充說明。本文通過對 這些數據的整理，分析醫院信息運維管理情況。

本次數據統計時間為2014年1月1日至2024年1 月1日，共計12 262條運維記錄數據，作為本研究所用 語料庫。

1.2 研究工具

本研究所有的程序都在 R-4.3.3 版本的 R Studio 平臺運行，并借助于 R 語言 readxl、jiebaR、tm、NLP、 slam、wordcloud等程序包進行編程。

1.3 數據預處理

由于數據庫中提取出來的內容未經整理，含有較 多不可用數據，需要進行數據清洗和預處理。數據預 處理的關鍵是對一句話進行分詞，也就是說要將內容 轉化成獨立的、有意義的詞語。例如，記錄描述為“打 印機無法打印”分詞之后為“打印”“機”“無法”“打印” “機器”“語言”?？紤]到分詞解析并未將“打印機”和 “機器語言”分解為單個詞。因此，鑒于本研究語料庫 的專業性，在進行分詞時本文引入了自然語言處理及 計算語言學相關術語詞庫。

具體操作步驟如下：首先，刪除無用數據，尤其是 故障描述為空或與信息故障無關的記錄，如燈泡故 障、插頭沒電等誤報信息，使數據保持相對的純凈。 清洗后，共收集信息運維管理數據12 104條。

其次，利用R語言錄入數據。R語言提供了多種 讀取命令，可以讀取常用的csv、txt、Excel等格式數據。 本研究采用txt格式存儲數據，故讀取數據的R語言命 令為：

install.packages（\"readxl\"）

library（readxl）

data lt;- read. csv（\"D：＼...＼MaintenanceRecordQ.txt\"， stringsAsFactors = F）

title lt;- data$AskContent #提取需要的數據字段 接下來，須操作下載計算機詞典和剔除停用詞。

由于語料庫的專業性，本文研究在R語言中引入了自 然語言處理及計算語言學相關術語.scel，網上下載完 成詞典后，運用該詞典完成讀取數據的初步詞語切 分。由于分詞之后會出現某些虛字、詞和數字，如 “ 的 ”“ 了 ”“1”“2”等 ，這 些 詞 被 稱 作 停 用 詞 （Stop Words） 。本研究會通過導入基于醫療信息運維的停 用詞表對停用詞進行過濾，排除此部分內容對結果的 干擾，根據詞表移除這部分無用信息，以排除可能造 成的可視化分詞偏差，來提高結果分析的準確率。R 語言命令如下：

install.packages（\"jiebaR\"）

library（jiebaR）

text lt;- readLines（\"D：＼...＼MaintenanceRecordQ.txt\"）

#讀取文件內容

text lt;-gsub（\"[[：punct：]]\"，\"\"，text） #去除標點符號

text lt;- tolower（text）

#轉換為小寫字母

engine lt;- worker（type = \"mix\"，stop_word = \"D：＼...

＼stopwords.txt\"， idf =\"D：＼...＼自然語言處理及計算語言

學相關術語.scel\"）

fclt;- segment（title，engine）

seg lt;- table（fc）

seglt;- sort（seg，decreasing = TRUE）[1：100]

#獲取詞頻最多的100個詞

最終，通過函數計算后，輸出本研究信息運維數 據 中 出 現 的 前 100 個 高 頻 詞 。 具 體 數 據 及 數 量 如圖2。

行分析，并通過圖像內的字體大小判斷其發展規律。 基于本研究的運維數據，利用 R 軟件中“Wordcloud” 包對詞頻最高的詞匯制作形成了詞云圖，其中每個詞 的字體大小與其詞頻數成正比關系，即字體越大，越 突出，相對來說對信息運維管理也就越重要。R語言 命令如下：

install.packages（\"tm\"）

# 加載腳本所用的程序包

library（\"tm\"）

library（\"NLP\"）

doc_q=VCorpus（VectorSource（fc））

doc_q=tm_map（doc_q，stripWhitespace）

# 生成tf_idf特征

control = list（remvepunctuation=T， minDocFreq=1，

wordLengths=c（2，Inf），weighting =weightTfIdf）

q_doc.tdm = TermDocumentMatrix（doc_q，control）

mlt;-as.matrix（q_doc.tdm）

vlt;-sort（rowSums（m），decreasing = TRUE）

dlt;-data.frame（word=names（v），freq=v）

head（d，10）

#構建term-document矩陣

install.packages（\"wordcloud\"）

set.seed（1234）

wordcloud（words=d $word， freq=d $freq， min. freq=1，

max.words=200，random. order=FALSE，rot. per=0.35， col?

ors=brewer.pal（8，\"Dark2\"））

命令執行結果如圖3。

通過計算，獲得文本關鍵詞后，為了更加直觀地 展示，本文采用詞云形式輸出。詞云圖[7] 是文本挖掘 結果的可視化展示，利用詞云圖可以清晰地對數據進行分析，并通過圖像內的字體大小判斷其發展規律。 基于本研究的運維數據，利用 R 軟件中“Wordcloud” 包對詞頻最高的詞匯制作形成了詞云圖，其中每個詞 的字體大小與其詞頻數成正比關系，即字體越大，越 突出，相對來說對信息運維管理也就越重要。R語言 命令如下：

install.packages（\"tm\"）

# 加載腳本所用的程序包

library（\"tm\"）

library（\"NLP\"）

doc_q=VCorpus（VectorSource（fc））

doc_q=tm_map（doc_q，stripWhitespace）

# 生成tf_idf特征

control = list（remvepunctuation=T， minDocFreq=1，

wordLengths=c（2，Inf），weighting =weightTfIdf）

q_doc.tdm = TermDocumentMatrix（doc_q，control）

mlt;-as.matrix（q_doc.tdm）

vlt;-sort（rowSums（m），decreasing = TRUE）

dlt;-data.frame（word=names（v），freq=v）

head（d，10）

#構建term-document矩陣

install.packages（\"wordcloud\"）

set.seed（1234）

wordcloud（words=d $word， freq=d $freq， min. freq=1，

max.words=200，random. order=FALSE，rot. per=0.35， col?

ors=brewer.pal（8，\"Dark2\"））

命令執行結果如圖3。

2 數據整理與分析

詞云圖反映了信息運維事件的幾個大類，但是從 詞頻上分析，仍出現了大量“無法”“不了”“謝謝”“問 題”等與事件無關的常用語。從詞云圖顯示的內容來 看，信息運維事件中的不同長度詞語頻繁出現，因此 需要提取更有價值的數據進行進一步分析[8] 。

2.1 詞頻數據分析

基于 TF-IDF 算法及可視化顯示結果，可獲得如 圖4的詞頻數據。主要信息運維問題集中在打印機和 電腦兩種設備的故障、安裝、無法工作等方面。

分析圖 4 結果，“打印機”出現的頻次占據首位， “電腦”位居第二，說明這兩個硬件出現故障是醫院信 息運維的主要內容。除此之外，運維信息中排名前十 的硬件還有“系統”。打印機故障、無法打印、需要安 裝打印機、電腦問題、系統問題等是現有運維信息中 出現較高頻次的數據。

2.2 詞頻相關性分析

詞云圖中最大的詞表示其出現頻率最高、重要性 最大；如果兩個詞距離越近，表示它們在文本數據中 心越可能存在某種聯系或者相似之處。

根據相關性分析，引起打印機故障的原因主要在 打印機卡紙、打印機脫機或連接失敗、打印機打印亂 碼字符、打印機無墨或缺紙、打印機硬件問題等方面。 引起電腦故障的主要問題有電腦網絡連接失敗、電腦 無法啟動或藍屏、電腦速度慢等方面。

排名前十的運維量還包括“系統”。系統故障包 括 HIS、Lis、自助機、EMR、PACS、金蝶移動支付、物 資、OA、HER、消毒供應追溯系統等各大子系統。不 同系統的維護對信息運維人員的專業性提出了更高 的要求。

2.3 運維趨勢分析

為了更好地研究信息運維管理問題，提高運維效 率，現將占運維量較大比例的“打印機”“電腦”“系統” 根據時間作趨勢分析。數據橫坐標以半年為一個單 位，縱坐標為運維次數，具體數據如圖5、圖6、圖7。 根據曲線圖繪制情況發現，隨著醫院規模擴大， 醫院信息運維量正在逐步上升。打印機維護量在 2021年后有所減緩，經分析，該時間段進行了設備外 包，打印機由第三方公司負責售后管理。電腦運維量 自2019年后逐年上升，該年度根據科室預算，完成了 全院電腦設備更新。系統運維量逐年攀升，這與近幾 年智慧醫院建設、院內引入大量第三方系統有關。

2.4 本章小結

隨著智慧醫療的推進，醫院信息化建設也在不斷 提升，醫院目前對接的系統越來越多，維護的數量隨 之增加。從早期的HIS系統、Lis系統、自助機系統，到現在的EMR系統、PACS系統、金蝶移動支付系統、物 資系統、OA系統、EHR系統，消毒供應追溯系統等第 三方平臺的深入對接，智慧醫療正在醫院內發揮越來 越大的作用。

就現狀而言，信息運維在事件響應上是具有滯后 性的，但是可以通過對運維過程中80%以上的關鍵問 題進行分析，形成一套運維管理方案 SOP，使運維問 題能從源頭得到有效解決，減少問題發生[9] 。

3 問題分析與討論

信息系統生命周期的四個階段：立項、開發、運維 和消亡中，運維會占到信息系統整個生命周期的80% 以上[10] ，因此，信息運維管理對醫院信息化至關重要。 本研究中，提取的數據量雖然豐富，但是數據質量并 不高，仍需醫院信息管理處加強運維數據管理，進行 問題修復，提升數據質量，為后續的決策支持提供更 為可靠、精準的數據支持。主要問題體現在以下兩 方面。

問題描述不清晰，表述模糊。在本研究的數據 中，問題的描述大多過于簡單，譬如有的運維記錄為 “打印機不打印”“打印機沒有打印”“打印機無法打 印”。三條記錄的情況一致，但是描述不同，在統計分 析時，就會被認為不同的記錄，這樣的記錄，在做知識 庫構建時就需要合并處理，增加了工作量。而且三條 記錄中既沒有打印機的型號，也沒有打印機報警的提 示。因此，需要統一規范和完善運維故障問題描述模 板，包含型號，設備提示和報警信息等，便于后續對打 印機和電腦的采購提供數據支撐。

數據記錄不完整，表述抽象。目前醫院系統較 多，但是在做運維記錄時，用戶均是描述系統異常癥 狀，沒有做系統定位，譬如：系統無法登錄。這條記錄 很難定位是哪里的問題，需要用戶在記錄時，選擇正 確的系統，以便運維人員可以獲取核心問題，及時給 出處理建議。也便于日后統計系統的運維情況，及時 和第三方運維人員溝通，促使他們改進相關功能。

4 實踐與管理

醫院在信息化期間要重視運維管理體系的有效 運用，除了提升人員專業管理技能，還需嚴格按照運 維管理體系規范人員工作行為。

4.1 技術管理

運維數據層面，可以新增運維記錄補充模塊，完 善運維內容。如運維子系統選擇、打印機型號維護、 報錯內容補充等，提高運維數據的質量，為進一步加 強信息運維管理奠定基礎，如圖8，借助故障報修軟件 持續改進信息運維管理水平和服務質量[11] 。信息技 術層面，針對本文的打印機、電腦、系統等運維，可以 從以下三個方面進行優化。

打印機定期保養和維修。1） 規范使用打印紙張， 定期清理打印機內紙屑、雜物、灰塵等。2） 定期檢查打印機網絡或者數據線，查看打印機的狀態。

電腦權限控制和硬件巡查。1） 采用用戶賬戶和 管理員賬戶進行管理，用戶賬戶無法修改本地網絡配 置和系統文件，不能安裝exe軟件，同時禁用U盤。2） 加強電路巡檢排查，避免突然斷電造成的電腦硬件 損壞。

第三方系統知識庫共享和服務器優化。1） 云端 存儲系統運維知識庫，便于團隊成員相互學習，對于 緊急事件，也可快速找到解決方案，提高系統運維效 率。2） 構建服務器預警系統，實時監測服務器CPU使 用率，硬盤存儲空間等，爭取在最短時間內排除故障， 將故障的損失降到最低[12] 。3） 提升服務器性能，采用 超融合服務器，減少因為服務器硬件損壞導致的系統 問題。

4.2 流程管理

雖然溫州醫科大學附屬眼視光醫院信息系統建 設起步早，但是隨著技術迭代升級，外接系統不斷增 加，各系統之間的耦合不緊密，導致系統應用不順暢， 運維量增加。這就需要業務科室及信息管理處做好 醫院信息化建設的頂層規劃[13] 。不同信息系統之間 建立有效銜接，做好公立醫院智慧運營信息化管理的 集成化建設[14] 。

其次，日常運維中常常會發現同樣的問題出現了 很多次但是仍需信息介入運維的情況，這部分運維可 以納入科室日常工作學習內容。如由信息管理處定 期為打印機使用者提供必要的培訓，尤其如何替換墨 盒和存放紙張等，減輕運維人員的工作量，提升業務 部門人員的工作效率。

此外，隨著醫院外接系統增加，信息需求驟增，每 上一個新功能，往往存在不同員工反復咨詢的現象。 對于這類第三方系統操作問題，須業務職能科室介 入，由老帶新，做好新功能培訓帶教工作。

5 結論

本研究基于R語言TF-IDF算法挖掘醫院信息運 維記錄的關鍵詞，能夠有效分析信息運維的主要問題 及設備特征，為同類故障提出統一整改措施，形成 SOP，提高運維效率，便于日后運維改進，降低故障發 生概率。同時，為醫院信息設備采購提供質量參考并 推進信息運維智能化。

參考文獻：

[1] 莊紹燕，楊保衛，林曉龍.醫院信息化運維整體解決方案探討 [J].中國醫療設備，2021，36（1）：110-114.

[2] 張良均，謝佳標，楊坦，等.R語言與數據挖掘[M].北京：機械工 業出版社，2016.

[3] 王帥，林曉東，沈明輝，等.基于R語言的基層門診用藥大數據 分析[J].中華醫學圖書情報雜志，2015，24（3）：54-58.

[4] CHEN R， CHEN Y， LIPSON M， et al. The Effect of Treatment Zone Decentration on Myopic Progression during Orthokeratol? ogy[J].Current Eye Research，2020，45（5）：645-651.

[5] ZHENG B，CHEN Y，CHEN L， et al.Comparative Study on the Efficacy and Safety of Tumor Resection in Vitrectomy for Reti? nal Vasoproliferative Tumors 2019：7464123. [J].Journal of Ophthalmology，2019，

[6] 陳科文，張祖平，龍軍.文本分類中基于熵的詞權重計算方法 研究[J].計算機科學與探索，2016，10（9）：1299-1309.

[7] ALAM S，YAO N.Big Data Analytics，Text Mining and Modern English Language 357-366. [J]. Journal of Grid Computing， 2019， 17（2）：

[8] 沈亮，戴洪帥，王天嬌，等.基于文本挖掘的石化安全管理及 可視化研究[J].化工管理，2020（25）：127-130，133.

[9] 張磊.一種基于服務元的醫院運維分級管理方法[J].電子技 術與軟件工程，2022（19）：234-237.

[10] XU X，WANG P.Exploration on Application of ITIL Based Op? eration and Maintenance Management System in Hospital In? formation Management[J]. Academic Journal of Business amp; Management，2019，1（2）：42-47.

[11] 姚偉.基于ITIL理念的運維系統在醫院信息科實踐[J].計 算機時代，2020（9）：123-124，127.

[12] 張浩男，張渝，張碩果.醫院網絡安全監控及預警平臺的設 計 與 應 用[J]. 中 國 衛 生 信 息 管 理 雜 志， 2023， 20（2）： 263- 267，272.

[13] 李生斌.醫院信息化建設的思考和探討[J].中國管理信息 化，2024，27（3）：96-98.

[14] 蘇素永.基于大數據背景的公立醫院智慧運營管理研究[J]. 互聯網周刊，2024（5）：46-48.

【通聯編輯：謝媛媛】