基于自然語言處理的長期護(hù)理保險(xiǎn)政策輿情研究

盧 浩 鄭文淵 西南財(cái)經(jīng)大學(xué)

2020年9月，國家醫(yī)保局會同財(cái)政部印發(fā)《關(guān)于擴(kuò)大長期護(hù)理保險(xiǎn)制度試點(diǎn)的指導(dǎo)意見》，隨即在社交媒體平臺上引發(fā)網(wǎng)民廣泛討論。本研究將以網(wǎng)民關(guān)于長期護(hù)理保險(xiǎn)（以下簡稱“長護(hù)險(xiǎn)”）政策的評論為研究對象，采用TF-IDF特征抽取、K-means聚類等方法，建立長護(hù)險(xiǎn)輿情分布模型。結(jié)果顯示，長護(hù)險(xiǎn)政策輿情根據(jù)語義可分為五大主題，且輿情主題分布在地區(qū)上存在明顯差異。本文在上述研究基礎(chǔ)上進(jìn)行深入分析，為我國長護(hù)險(xiǎn)發(fā)展提出相關(guān)建議。

一、引言及文獻(xiàn)評述

截至2019年底，我國60歲及以上人口達(dá)2.54億，失能人數(shù)超4000萬，失能人員長期護(hù)理保障問題成為社會亟待解決的問題。中共十八屆五中全會公報(bào)提出“積極開展應(yīng)對人口老齡化行動”，中共中央“十三五”規(guī)劃綱要更明確指出“探索建立長期護(hù)理保險(xiǎn)制度”。2020年9月10日，國家醫(yī)保局會同財(cái)政部印發(fā)《關(guān)于擴(kuò)大長期護(hù)理保險(xiǎn)制度試點(diǎn)的指導(dǎo)意見》，擬在初步試點(diǎn)的成果之上進(jìn)一步完善我國長護(hù)險(xiǎn)政策框架。在我國人口老齡化加快的社會背景下，探索建立長護(hù)險(xiǎn)制度成為解決失能人員長期護(hù)理問題、健全我國社會保障體系的重要途徑。

目前，已有不少學(xué)者對長護(hù)險(xiǎn)實(shí)施效果進(jìn)行客觀分析，并取得了一定的成果。陳鶴（2020）基于江西省上饒市調(diào)查數(shù)據(jù)，以描述性統(tǒng)計(jì)和定序Logistic回歸分析受益人的滿意程度及影響因素，結(jié)果表明，待遇水平、居家上門護(hù)理待遇給付方式顯著影響長護(hù)險(xiǎn)滿意度；李元、陳立行（2019）選取長春市長護(hù)險(xiǎn)制度實(shí)踐數(shù)據(jù)，采用模糊綜合評價(jià)法分析長護(hù)險(xiǎn)制度實(shí)施效果，發(fā)現(xiàn)保障對象、資金來源、服務(wù)傳遞機(jī)制和照護(hù)人力資源等方面有待提高完善；胡蕊（2020）則抽取安慶市參加長護(hù)險(xiǎn)的人員進(jìn)行問卷調(diào)查，通過單因素分析和多因素分析，發(fā)現(xiàn)安慶市長護(hù)險(xiǎn)實(shí)施存在護(hù)理費(fèi)用昂貴、失能評估標(biāo)準(zhǔn)不科學(xué)、養(yǎng)老院護(hù)工短缺等問題。以上研究采用量化分析方法客觀評估了長護(hù)險(xiǎn)實(shí)施效果，但目前還沒有文獻(xiàn)針對長護(hù)險(xiǎn)政策輿情進(jìn)行評估。

在微博評論輿情研究方面，不少學(xué)者運(yùn)用不同的自然語言處理算法研究了多個(gè)領(lǐng)域的政策輿情。汪蕓霞（2019）通過微博平臺上有關(guān)美團(tuán)打車進(jìn)入市場的評論數(shù)據(jù)，選擇支持向量機(jī)和卷積神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進(jìn)行情感分類，得出總體評論以及不同情感類別評論的關(guān)注熱點(diǎn)；劉虎（2020）對網(wǎng)民評論數(shù)據(jù)構(gòu)建潛在狄利克雷分配（LDA）主題聚類模型，通過識別與“套現(xiàn)”共現(xiàn)的關(guān)鍵詞找出導(dǎo)致后疫情時(shí)代消費(fèi)券“套現(xiàn)”泛濫的主要原因；魯雨晴（2021）則對新型冠狀肺炎疫情期間關(guān)于復(fù)工復(fù)學(xué)的評論數(shù)據(jù)進(jìn)行情感分析，計(jì)算用戶的情感傾向性、情感強(qiáng)度等，并使用K-均值聚類算法進(jìn)行聚類，通過方差分析驗(yàn)證了三類地區(qū)文本數(shù)據(jù)中的負(fù)面評價(jià)比例存在顯著差異。

綜上所述，目前國內(nèi)外學(xué)者已經(jīng)在長護(hù)險(xiǎn)的多個(gè)方面取得成果，且微博評論輿情研究也已經(jīng)在多個(gè)政策輿情分析上進(jìn)行了應(yīng)用。但在梳理文獻(xiàn)的過程中，我們發(fā)現(xiàn)，從長護(hù)險(xiǎn)政策輿情的角度分析長護(hù)險(xiǎn)制度構(gòu)建的研究還存在空白。新浪微博是目前國內(nèi)最大的社交媒體平臺，該平臺實(shí)時(shí)產(chǎn)生的社會熱點(diǎn)話題能引發(fā)廣大網(wǎng)民的廣泛討論，大量的評論數(shù)據(jù)比較具有代表性。因此，本研究將以網(wǎng)民在新浪微博中關(guān)于長護(hù)險(xiǎn)政策的評論為研究對象，采用TF-IDF特征抽取、K-means聚類等自然語言處理方法建立輿情分布模型，并探究輿情分布在地區(qū)上的差異，為建立并完善長護(hù)險(xiǎn)制度提供參考。

二、模型基礎(chǔ)介紹

（一）TF-IDF模型

TF-IDF（Term Frequency-Inverse Document Frequency）模型，是一種用于評估某一詞語在語料庫中的某一條語料中的重要程度的特征抽取算法。該模型的核心思想為：如果某個(gè)詞語在一條語料中出現(xiàn)的頻率很高，而在其他語料中出現(xiàn)的頻率較低，則該詞語可以反映該條語料的主題特征。

詞頻（Term Frequency，TF），指語料庫中某條指定文本中某個(gè)詞語在該文本中出現(xiàn)的頻率。某個(gè)詞語在指定文本中出現(xiàn)的頻率越高，則該詞語與該文本主題越相關(guān)。TF值可表示為如下公式：

式（1）中，nij表示語料庫中第j個(gè)詞語在di這條文本中出現(xiàn)的次數(shù)。

逆文本頻率（Inverse Document Frequency，IDF），指語料庫中某個(gè)指定詞語在整個(gè)語料庫中出現(xiàn)的頻率。為了平衡常用詞語的頻率，需要通過IDF降低常用詞在指定文本中的權(quán)重。IDF計(jì)算公式可表示為：

在式（2）中，│D│表示語料庫中的文本總量，│｛j:ti∈dj｝│表示語料庫中包含詞語ti的文本數(shù)量。為了避免分母出現(xiàn)等于0的情況，分母通常使用1+│｛j:ti∈dj｝│。

TF-IDF的值等于TF值與IDF值的乘積，如式（3）：

（二）PCA模型

上文提到的TF-IDF模型得到的向量空間存在一定的缺陷：隨著文本數(shù)量的增加，向量空間維數(shù)增大將造成向量空間維度過高的問題；同時(shí)，某一特定文本中不會出現(xiàn)的詞語也會不斷增多，導(dǎo)致矩陣稀疏。為了解決向量空間的高維數(shù)和稀疏性問題，需要對向量空間進(jìn)行降維處理。

主成分分析法（Principal Component Analysis，PCA），是一種使用最為廣泛的數(shù)據(jù)降維算法。主成分分析法將高緯度的變量轉(zhuǎn)化為低緯度的主成分，低緯度的主成分由多個(gè)多維度變量線性表示，能夠保留變量中的有用信息，用少量數(shù)據(jù)反映原始數(shù)據(jù)的特征。

（三）K-means聚類算法

K-means聚類算法是機(jī)器學(xué)習(xí)領(lǐng)域一種典型的無監(jiān)督學(xué)習(xí)算法，其主要思想是兩個(gè)目標(biāo)的歐式距離越近，則相似度越大。K-means的算法步驟如下：

1.確定聚類類別數(shù)目K；

2.初始化k個(gè)樣本作為聚類中心c=c1,c2,...ck；

3.分別計(jì)算每個(gè)樣本1到k個(gè)聚類中心的歐式距離，并將其分到距離最小的聚類中心所對應(yīng)的類中；

4.重復(fù)步驟2、3，直至達(dá)到設(shè)定的終止條件。

K-means聚類算法使用場景廣泛，包括文本分類、客戶分類、保險(xiǎn)欺詐監(jiān)測等。文本分類是K-means算法分類的典型使用場景，根據(jù)文本向量化后的向量空間，K-means算法可以有效地將文本分為多個(gè)不同類別。

三、實(shí)驗(yàn)過程與結(jié)果分析

（一）研究對象及數(shù)據(jù)預(yù)處理

1.研究對象

2020年9月27日，微博話題#社保第六險(xiǎn)要來了#成為新浪微博熱搜榜第二名。網(wǎng)民在該話題下的大量評論為長護(hù)險(xiǎn)政策輿情研究提供了數(shù)據(jù)基礎(chǔ)，因此，本研究的研究對象為網(wǎng)民在#社保第六險(xiǎn)要來了#話題微博中的評論。

2.數(shù)據(jù)獲取

本文在requests庫、json庫等第三方庫的基礎(chǔ)上，自主開發(fā)了基于模擬登錄的網(wǎng)絡(luò)爬蟲程序。通過該程序共獲取了1471條關(guān)于“社保第六險(xiǎn)”的微博評論，其中792條為一級評論，即對微博內(nèi)容的評論；679條為二級評論，即對一級評論的評論。

3.數(shù)據(jù)預(yù)處理

（1）數(shù)據(jù)去重

對數(shù)據(jù)進(jìn)行去重，刪除原始數(shù)據(jù)中出現(xiàn)兩次及以上的評論，僅保留其中一條。

（2）刪除表情、轉(zhuǎn)發(fā)、回復(fù)、網(wǎng)址、圖片等無關(guān)內(nèi)容。

通過正則表達(dá)式對評論中的無關(guān)內(nèi)容進(jìn)行匹配，用空字符代替匹配到的無關(guān)內(nèi)容。

（3）分詞

本文在jieba第三方中文分詞庫的基礎(chǔ)上，加入了“長期護(hù)理險(xiǎn)”“五險(xiǎn)一金”“延遲退休”等與長護(hù)險(xiǎn)相關(guān)的特殊詞匯，提高了微博評論文本分詞的精確度。

（4）去除停用詞

為了提高文本量化和文本聚類的準(zhǔn)確度和效率，本文采用《哈工大停用詞表》，去除了文本中如“萬一”“不僅”“可是”等停用詞。

4.預(yù)處理結(jié)果

經(jīng)過數(shù)據(jù)預(yù)處理后，剔除評論內(nèi)容預(yù)處理后變?yōu)榭罩档脑u論數(shù)據(jù)，并人工剔除評論中與長護(hù)險(xiǎn)明顯不相關(guān)的評論內(nèi)容，最終共保留867條評論數(shù)據(jù)，可初步繪制評論數(shù)據(jù)詞云，如圖1。

圖1 評論數(shù)據(jù)詞云

（二）實(shí)驗(yàn)過程及結(jié)果分析

1.特征抽取

將預(yù)處理后的評論數(shù)據(jù)形成語料庫并建模，得到語料庫的向量空間D867×2738，向量空間D867×2738包含了語料庫中所有詞語分布情況的信息。

其中，di表示向量空間中第i條評論的向量；wi,j表示第i條評論中第ij個(gè)特征項(xiàng)的權(quán)重。

TF-IDF平均值最大的10個(gè)熱詞如表1所示。

表1 TF-IDF平均值前十大熱詞

2.向量空間降維

通過PCA模型將原始向量空間D867×2738降維至指定維度m，從而得到新的向量空間D'867×m。由于向量空間的高維度和稀疏性，傳統(tǒng)的方差貢獻(xiàn)率法在選擇向量空間維度m上失效。考慮到PCA模型主要是為了提高K-means算法的精度和效率，本研究中采用通過觀察K-means聚類效果選擇向量空間維度的方法，經(jīng)過不斷試驗(yàn)，最終選擇m=27作為向量空間維度，降維后得到的前五大主成分與權(quán)重最高的前十大特征項(xiàng)的線性關(guān)系如表2。

3.評論聚類分析

（1）聚類數(shù)目的選擇及K-means聚類—人工語義分類過程

由于向量空間的高維度和稀疏性，且TF-IDF模型具有無法處理一詞多義與多詞一義情況的缺陷，本研究提出基于K-means聚類—人工語義分類過程的聚類數(shù)目選擇方法，經(jīng)過反復(fù)試驗(yàn)，最終選擇聚類數(shù)目n=20較為合適，聚類可視化結(jié)果如圖2。

圖2 K-means聚類可視化結(jié)果

基于K-means聚類結(jié)果進(jìn)行人工語義判斷，20個(gè)簇群中有8個(gè)簇群為與長護(hù)險(xiǎn)弱相關(guān)的數(shù)據(jù)；剩余12個(gè)簇群的強(qiáng)相關(guān)評論可根據(jù)語義分為5類，其主題可分別概括為護(hù)理質(zhì)量、繳費(fèi)負(fù)擔(dān)、普及程度、實(shí)用價(jià)值和享受期限。

（2）強(qiáng)相關(guān)評論聚類結(jié)果分析

剔除聚類結(jié)果中不能提供有關(guān)長護(hù)險(xiǎn)政策輿情信息的弱相關(guān)評論，主要分析強(qiáng)相關(guān)評論聚類結(jié)果，聚類可視化結(jié)果如圖3。

從圖3中可以看出，普及程度是長護(hù)險(xiǎn)輿情中最突出的主題，該主題共包括了7個(gè)簇群。其次，實(shí)用價(jià)值是長護(hù)險(xiǎn)輿情中的第二大主題，并且該主題下評論數(shù)據(jù)分布相比于其他主題更加分散。各主題在長護(hù)險(xiǎn)輿情中的具體占比如圖5。

圖3 強(qiáng)相關(guān)評論主題分布

圖4 全部評論及普及程度主題評論詞頻分布

圖5 各主題占所有評論數(shù)據(jù)比重

接下來分析各主題的詞頻分布情況，各主題的關(guān)鍵詞各不相同，詞頻分布反映了各主題語義層面的信息，各主題的關(guān)鍵詞和該主題下的代表性評論如表3。

表3 各主題維度、關(guān)鍵詞及代表性評論

根據(jù)各主題語義層面的信息，結(jié)合各主題下的具體評論內(nèi)容，下面對長護(hù)險(xiǎn)政策輿情五大主題進(jìn)行詳細(xì)分析。

護(hù)理質(zhì)量主題下的評論主要反映了輿情中對于護(hù)理方式、護(hù)理人員專業(yè)水平、護(hù)理服務(wù)質(zhì)量等方面的問題。其中，針對上海市“每周服務(wù)7次，每次服務(wù)1個(gè)小時(shí)”的長期護(hù)理方式，網(wǎng)民普遍認(rèn)為每天一個(gè)小時(shí)的護(hù)理時(shí)間難以有效解決老年人長期護(hù)理問題。

繳費(fèi)負(fù)擔(dān)主題下的評論反映了長護(hù)險(xiǎn)繳費(fèi)帶來的經(jīng)濟(jì)壓力。發(fā)表此類評論的網(wǎng)民認(rèn)為，目前的“五險(xiǎn)一金”已經(jīng)在一定程度上壓縮了實(shí)際到手工資，繳納長護(hù)險(xiǎn)保費(fèi)無疑會增加他們的經(jīng)濟(jì)負(fù)擔(dān)。

普及程度是公眾反映最為強(qiáng)烈的主題，由于目前部分企業(yè)或單位甚至還未做到為員工繳納“五險(xiǎn)一金”，公眾對于作為社保“第六險(xiǎn)”的長護(hù)險(xiǎn)政策能否在企業(yè)層面落實(shí)存有疑慮。

實(shí)用價(jià)值主題下的評論具有一定分散性，反映了長護(hù)險(xiǎn)實(shí)用價(jià)值的多方面因素。首先，長護(hù)險(xiǎn)的繳費(fèi)期間與給付期間存在較大的時(shí)間滯后，政策變動風(fēng)險(xiǎn)可能降低退休后長護(hù)險(xiǎn)的實(shí)用價(jià)值；其次，由于目前社會養(yǎng)老保險(xiǎn)基金不足及個(gè)人賬戶“空賬”問題，公眾對長護(hù)險(xiǎn)的收益性缺乏信心；最后，長護(hù)險(xiǎn)給付條件為達(dá)到失能狀態(tài)，老年后若沒有發(fā)生失能的情況，則已繳保費(fèi)將失去價(jià)值，且公眾對于失能老人界定標(biāo)準(zhǔn)也存有疑慮。

享受期限主題下的評論反映了長護(hù)險(xiǎn)享受期限具有不確定性的問題。長護(hù)險(xiǎn)在參保人退休后達(dá)到失能狀態(tài)才能給付，在當(dāng)前逐步實(shí)施延遲退休的社會背景下，公眾對退休后的生存期限預(yù)期降低，隨著退休年齡延后，長護(hù)險(xiǎn)的實(shí)用價(jià)值也隨之下降。

（3）分地區(qū)強(qiáng)相關(guān)評論聚類結(jié)果分析

為了進(jìn)一步挖掘長護(hù)險(xiǎn)輿情信息，接下來分析長護(hù)險(xiǎn)輿情主題在地區(qū)上的分布差異。將聚類結(jié)果根據(jù)經(jīng)濟(jì)發(fā)展水平劃分為中、東、西部三大經(jīng)濟(jì)分區(qū)，用各地區(qū)下的主題權(quán)重wi,j來反映各主題在三大經(jīng)濟(jì)分區(qū)上的分布情況。

第i個(gè)地區(qū)的第j個(gè)主題在該地區(qū)的權(quán)重可被定義為：

其中，ci,j表示第i個(gè)地區(qū)的第j個(gè)主題的評論數(shù)量。

對各主題下的地區(qū)權(quán)重進(jìn)行均值歸一化處理，各地區(qū)主題分布權(quán)重歸一化結(jié)果如表4，根據(jù)權(quán)重繪制各地區(qū)主題分布結(jié)果如圖6。

表4 各地區(qū)主題分布權(quán)重歸一化結(jié)果

圖6 各地區(qū)主題分布雷達(dá)圖

從雷達(dá)圖中可以看出，三個(gè)經(jīng)濟(jì)分區(qū)的長護(hù)險(xiǎn)輿情主題分布存在明顯差異。東部地區(qū)經(jīng)濟(jì)較發(fā)達(dá)，相比于經(jīng)濟(jì)負(fù)擔(dān)，民眾更注重長護(hù)險(xiǎn)的實(shí)用價(jià)值和護(hù)理質(zhì)量，故輿情主題傾向于享受期限、實(shí)用價(jià)值和護(hù)理質(zhì)量；中部地區(qū)人均收入水平中等，繳費(fèi)負(fù)擔(dān)相對更大，且對于長護(hù)險(xiǎn)普及缺乏信心，主題分布傾向于繳費(fèi)負(fù)擔(dān)、實(shí)用價(jià)值和普及程度；西部地區(qū)主題分布則傾向于普及程度、繳費(fèi)負(fù)擔(dān)和護(hù)理質(zhì)量，西部地區(qū)經(jīng)濟(jì)欠發(fā)達(dá)，繳費(fèi)負(fù)擔(dān)自然成為重要影響因素，同時(shí)也可能存在基本社會保險(xiǎn)普及不足的情況。

四、結(jié)論與政策建議

本文通過TF-IDF模型、PCA特征降維和K-means聚類算法對網(wǎng)民關(guān)于長護(hù)險(xiǎn)的評論進(jìn)行文本挖掘和主題建模，研究長護(hù)險(xiǎn)政策輿情主題分布情況。結(jié)論顯示，長護(hù)險(xiǎn)政策輿情根據(jù)語義可分為五大主題。在此基礎(chǔ)上，本研究還發(fā)現(xiàn)長護(hù)險(xiǎn)輿情主題在地區(qū)分布上存在明顯差異。

根據(jù)以上研究結(jié)論，對我國建立完善長護(hù)險(xiǎn)制度提出如下建議：

通過本文的研究結(jié)果可知，民眾對于基本社會保險(xiǎn)普及不足的問題反映強(qiáng)烈。“五險(xiǎn)一金”在企業(yè)層面的落實(shí)不到位降低了人民群眾對于基本社會保險(xiǎn)的信心。作為社保“第六險(xiǎn)”的長護(hù)險(xiǎn)被群眾自然地與“五險(xiǎn)一金”聯(lián)系在一起，因此，全面推行長護(hù)險(xiǎn)政策首先要解決“五險(xiǎn)一金”中存在的問題，并切實(shí)保證長護(hù)險(xiǎn)在企業(yè)層面落實(shí)。

根據(jù)分地區(qū)強(qiáng)相關(guān)評論聚類結(jié)果分析，長護(hù)險(xiǎn)政策輿情主題在地區(qū)分布上存在明顯差異。在構(gòu)建長護(hù)險(xiǎn)制度時(shí)，可在制度定性、籌資方式和給付方式等方面結(jié)合地區(qū)經(jīng)濟(jì)發(fā)展水平做差異化設(shè)計(jì)。東部經(jīng)濟(jì)發(fā)達(dá)地區(qū)可考慮商業(yè)長護(hù)險(xiǎn)模式，采取自愿繳費(fèi)的籌資方式，給付時(shí)側(cè)重服務(wù)給付，增加老年失能人員照料陪護(hù)時(shí)間；中、西部經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)可考慮社會長護(hù)險(xiǎn)模式，采取“個(gè)人繳付+企業(yè)繳付+政府財(cái)政補(bǔ)貼”的三方籌資方式，給付時(shí)側(cè)重現(xiàn)金給付，緩解扶養(yǎng)老年失能人員的經(jīng)濟(jì)壓力。