基于主题建模(LDA)与情感识别(RoBERTa)的医疗健康应用用户体验比较研究：COVID-19疫情前后对比分析

本研究针对医疗健康应用用户体验优化问题，研究人员通过LDA主题建模和RoBERTa情感分析技术，对Samsung Health与Fitbit的257,220条用户评论进行挖掘。研究发现COVID-19疫情期间和后期用户均主要表达失望与不满情绪，并识别出数据同步异常、权限隐私担忧等关键技术问题。该研究为医疗应用性能提升提供了数据驱动的改进策略。

　　

随着医疗健康应用的广泛普及，深入解析用户体验成为提升应用性能的关键。本研究通过谷歌应用商店抓取工具(Google-Play-Scraper)采集了三星健康(Samsung Health)和Fitbit共计257,220条用户评论（COVID-19期间196,646条，后期60,574条）。采用潜在狄利克雷分配(Latent Dirichlet Allocation, LDA)主题建模技术挖掘潜在用户关注点，并基于GoEmotions数据集微调的鲁棒优化BERT模型(Robustly optimized BERT approach, RoBERTa)进行情感解析。

研究发现在两个时期均识别出四个核心主题，主要揭示了三类技术缺陷：追踪机制精度不足、数据同步稳定性差及服务器错误。疫情期间用户既表达赞赏也关注手机数据访问权限引发的隐私问题；疫情后则集中抱怨界面交互友好度下降及健身挑战功能移除。情感分析显示两个时期均以失望(disappointment)和反对(disapproval)情绪为主导，表明技术故障导致用户信任度与使用动机显著降低。该研究验证了主题建模与情感识别技术在医疗应用优化中的实践价值，建议开发团队优先解决重复性技术故障以提升产品性能。