说明:收录25万 73个行业的国家标准 支持批量下载
(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211028162.7 (22)申请日 2022.08.25 (65)同一申请的已公布的文献号 申请公布号 CN 115098650 A (43)申请公布日 2022.09.23 (73)专利权人 华扬联众数字技 术股份有限公司 地址 100000 北京市海淀区上地 东路5号院 3号楼4层419室 (72)发明人 张沛林 杨昊 章骏 林葵  洪荣芳  (74)专利代理 机构 深圳汉林汇融知识产权代理 事务所(普通 合伙) 44850 专利代理师 吴洪波 (51)Int.Cl. G06F 16/33(2019.01)G06Q 10/06(2012.01) G06Q 30/02(2012.01) G06F 16/35(2019.01) G06F 16/36(2019.01) G06F 40/242(2020.01) G06F 40/295(2020.01) G06F 40/30(2020.01) 审查员 王莉媛 (54)发明名称 基于历史数据模型的评论信息分析方法及 相关装置 (57)摘要 本发明涉及人工智能领域, 公开了一种基于 历史数据模 型的评论信息分析方法及相关装置, 用于提高评论信息分析的准确率。 所述方法包 括: 获取目标商品品类的多个历史评论文本, 并 对多个历史评论文本进行标准化和整合处理, 得 到多个标准评论文本; 调用实体抽取模型对多个 标准评论文本进行实体信息抽取, 得到实体类, 并从多个标准评论文本中提取实体评价类; 将实 体类和实体评价类输入评论信息分析模型进行 用户评价观点分析, 得到用户评价结果; 提取用 户评价结果中的多个用户评价指标, 并根据多个 用户评价指标生成目标商品价值度; 根据目标商 品价值度对目标行业进行行业趋势预测, 得到行 业趋势预测结果。 权利要求书3页 说明书12页 附图4页 CN 115098650 B 2022.11.04 CN 115098650 B 1.一种基于历史数据模型的评论信息分析方法, 其特征在于, 所述基于历史数据模型 的评论信息分析 方法包括: 接收终端发送的评论信 息分析请求, 并根据 所述评论信 息分析请求确定待分析的目标 商品品类; 从预置的电商应用程序中获取所述目标商品品类的多个历史评论文本, 并对所述多个 历史评论文本进行标准化和整合处理, 得到多个标准评论文本; 其中, 所述 从预置的电商应 用程序中获取所述目标商品品类的多个历史评论文本, 并对所述多个历史评论文本进 行标 准化和整合处理, 得到多个标准评论文本, 包括: 通过预置的集群算法对预置的电商应用程 序中的评论数据进行集群处理, 得到评论数据集; 从所述评论数据集中匹配与所述 目标商 品品类对应的多个历史评论文本; 分别计算所述多个历史评论文本和所述目标商品品类的 相关度, 并将所述相关度小于预设阈值的历史评论文本进行删除, 得到多个标准评论文本; 调用预置的实体抽取模型对所述多个标准评论文本进行实体信 息抽取, 得到每个标准 评论文本对应的实体类, 并从所述多个标准评论文本中提取所述实体类对应的实体评价 类; 将所述实体类和所述实体评价类输入预置的评论信息分析模型进行用户评价观点分 析, 得到用户评价结果; 其中, 所述将所述 实体类和所述 实体评价类输入预置的评论信息分 析模型进 行用户评价观点分析, 得到用户评价结果, 包括: 根据所述 实体类和所述 实体评价 类构建用户评价矩阵; 将所述用户评价矩阵输入预置的评论信息分析模型, 通过所述评论 信息分析模型提取所述用户评价矩阵对应的第一兴趣点; 通过所述评论信息分析模型查找 与所述第一兴趣点匹配的第二兴趣点; 基于预设的用户评价函数计算所述第一兴趣点和所 述第二兴趣点的位置信息, 并根据所述位置信息查询与所述第一兴趣点对应的多个第三兴 趣点; 根据所述用户评价矩阵确定与所述第一兴趣点、 所述第二兴趣点和所述第三兴趣点 对应的权值, 并根据所述权值生成目标序列; 通过对所述目标序列中的权值进 行对比, 并从 所述目标序列中提取公共兴趣点, 以及根据所述公共兴趣点 生成用户评价结果; 提取所述用户评价结果中的多个用户评价指标, 并根据 所述多个用户评价指标对所述 目标商品 品类进行商品价 值度分析, 得到目标商品价 值度; 对所述目标商品品类进行行业归类, 得到目标行业, 并根据所述目标商品价值度对所 述目标行业进行 行业趋势预测, 得到行业趋势预测结果。 2.根据权利要求1所述的基于历史数据模型的评论信 息分析方法, 其特征在于, 所述调 用预置的实体抽取模型对所述多个标准评论文本进行实体信息抽取, 得到每个标准评论文 本对应的实体 类, 并从所述多个标准评论文本中提取 所述实体 类对应的实体评价类, 包括: 将所述多个标准评论文本输入预置的实体抽取模型, 其中, 所述实体抽取模型包括: 编 码器和解码器; 通过所述编码器对所述多个标准评论文本进行实体抽取, 得到每个标准评论文本对应 的实体类; 通过所述解码器对每个标准评论文本对应的实体类进行关系抽取, 得到每个实体类对 应的实体关系; 根据所述实体关系从所述多个标准评论文本中提取 所述实体 类对应的实体评价类。 3.根据权利要求1所述的基于历史数据模型的评论信 息分析方法, 其特征在于, 所述提权 利 要 求 书 1/3 页 2 CN 115098650 B 2取所述用户评价结果中的多个用户评价指标, 并根据所述多个用户评价指标对所述目标商 品品类进行商品价 值度分析, 得到目标商品价 值度, 包括: 对所述用户评价结果进行用户评价指标提取, 得到多个用户评价指标; 根据所述多个用户评价指标对所述目标商品品类进行商品价值度评分, 得到多个价值 度评分; 对所述多个价值度评分进行归一化处理, 生成所述目标商 品品类对应的目标商 品价值 度。 4.根据权利要求1所述的基于历史数据模型的评论信 息分析方法, 其特征在于, 所述对 所述目标商品品类进行行业归类, 得到目标行业, 并根据所述 目标商品价值度对所述 目标 行业进行 行业趋势预测, 得到行业趋势预测结果, 包括: 基于预置的行业归类库对所述目标商 品品类进行行业归类匹配, 得到所述目标商品品 类对应的目标 行业; 将所述目标商品价值度输入预置的趋势分析模型, 通过所述趋势分析模型对所述目标 行业进行用户兴趣预测, 得到目标用户兴趣; 根据所述目标用户兴趣生成所述目标 行业对应的行业趋势预测结果。 5.根据权利要求1 ‑4中任一项所述的基于历史数据模型的评论信息分析方法, 其特征 在于, 所述基于历史数据模型的评论信息分析 方法还包括: 根据所述行业趋势预测结果对所述目标商品 品类进行评论 监测, 得到 评论监测数据; 根据所述评论监测数据对所述行业趋势预测结果进行预测结果调整, 得到优化预测结 果; 根据所述优化预测结果 生成所述目标商品 品类对应的运营组合方案 。 6.一种基于历史数据模型的评论信息分析装置, 其特征在于, 所述基于历史数据模型 的评论信息分析装置包括: 接收模块, 用于接收终端发送的评论信息分析请求, 并根据所述评论信息分析请求确 定待分析的目标商品 品类; 获取模块, 用于从预置的电商应用程序中获取所述目标商品品类的多个历史评论文 本, 并对所述多个历史评论文本进行标准化和整合处理, 得到多个标准评论文本; 其中, 所 述从预置的电商应用程序中获取所述目标商品品类的多个历史评论文本, 并对所述多个历 史评论文本进 行标准化和整合处理, 得到多个标准评论文本, 包括: 通过预置的集群算法对 预置的电商应用程序中的评论数据进行集群处理, 得到评论数据集; 从所述评论数据集中 匹配与所述目标商品品类对应的多个历史评论文本; 分别计算所述多个历史评论文本和所 述目标商品品类的相关度, 并将所述相关度小于预设阈值的历史评论文本进行删除, 得到 多个标准评论文本; 提取模块, 用于调用预置的实体抽取模型对所述多个标准评论文本进行实体信息抽 取, 得到每个标准评论文本对应的实体类, 并从所述多个标准评论文本中提取所述实体类 对应的实体评价类; 分析模块, 用于将所述实体类和所述实体评价类输入预置的评论信 息分析模型进行用 户评价观点分析, 得到用户评价结果; 其中, 所述将所述 实体类和所述 实体评价类输入预置 的评论信息 分析模型进 行用户评价观 点分析, 得到用户评价结果, 包括: 根据所述 实体类和权 利 要 求 书 2/3 页 3 CN 115098650 B 3

PDF文档 专利 基于历史数据模型的评论信息分析方法及相关装置

文档预览
中文文档 20 页 50 下载 1000 浏览 0 评论 0 收藏 3.0分
温馨提示:本文档共20页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 基于历史数据模型的评论信息分析方法及相关装置 第 1 页 专利 基于历史数据模型的评论信息分析方法及相关装置 第 2 页 专利 基于历史数据模型的评论信息分析方法及相关装置 第 3 页
下载文档到电脑,方便使用
本文档由 SC 于 2024-03-03 12:08:49上传分享
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。