(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211004819.6 (22)申请日 2022.08.22 (71)申请人 再惠 （上海） 网络科技有限公司 地址 200062 上海市普陀区中江路1 18弄22 号1205室 (72)发明人 陈振华　李晓捷　朱辰昊　王海兵　 (74)专利代理 机构 上海浦科知识产权代理有限 公司 3140 0 专利代理师 武静 (51)Int.Cl. G06F 40/166(2020.01) G06F 40/284(2020.01) G06F 40/30(2020.01) G06F 16/35(2019.01) G06N 3/02(2006.01)G06Q 30/02(2012.01) (54)发明名称 评价分析和报告生成的方法、 装置、 电子设 备及存储介质 (57)摘要 本发明涉及一种评价分析和报告生成的方 法、 装置、 电子设备及存储介质。 评价分析和报告 生成的方法， 包括步骤： S1、 菜品和差评关键词库 进行配置； S2、 数据准备和预处理， 形成基础的评 价内容数据表； S3、 数据导入； S4、 基础数据统计； S5、 菜品统计和分析， 请求通用NLP平台， 将根据 返回结果的情绪正向或负向分析； S6、 差评关键 词分析， 根据关键词库内容自动匹配评价内容并 进行计数和内容索引定位， 生成差评反馈的问 题； S7、 NLP评论分析； S8、 手动标记； S9、 合并整 理， 对于前面步骤的所有 标记结果进行相似的分 析结果进行合并； S10、 生成和输出分析报告。 本 发明通过基于关键词库和自然语言对评价进行 处理、 分析和生成报告， 其 耗时短、 效率高。 权利要求书2页 说明书5页 附图3页 CN 115392199 A 2022.11.25 CN 115392199 A 1.一种评价分析和报告生成的方法， 所述方法基于第三方平台的APP或者管理后台上 对于目标商户的评价而 进行的智能评价分析和报告生成， 所述方法包括如下步骤： S1、 菜品和差 评关键词库进行配置， 录入 菜品名称和差 评关键词； S2、 数据准备和预处理， 通过第三平台的APP或者管理后台下载所需评价内容的列表， 进行内容清洗去除无效内容， 所述无效内容包括表情的特殊字符， 形成基础的评价内容数 据表； S3、 数据导入， 导入标准格式评价数据， 其中， 数据导入过程中自动过滤掉没有评论内 容的评价， 减少无效数据干扰； S4、 基础数据统计， 统计 基础数据包括总评论数、 好评数、 中差 评数； S5、 菜品统计和分析， 根据步骤S1菜品名称词库， 进行统计菜品出现次数， 截取菜品所 在位置的文本句 子， 根据词库的菜品名称搜索过滤掉未提及菜品名称的评论内容， 并根据 常用标点切分成语句形成菜品语句库； 请求通用NLP平台， 将根据返回结果的情绪正向或负 向分析， 分别统计为菜品的正向次数、 负向次数， 其中， 对菜品语句进 行情绪分析， 输入为具 体语句数据， 输出为语句的分词情绪值或切词后的分词情绪值列表， 对于其中只要出现一 例负向情绪值即记录为负面提及， 逐句处理后汇总每个菜品提及的次数以及正负向提及次 数； S6、 差评关键词分析， 根据关键词库内容自动匹配评价内容并进行计数和内容索引 定 位， 生成差 评反馈的问题； S7、 NLP评论分析， 将评论的内容发往自然语言分析平台， 对于评论 内容较长的， 需要根 据段落切分后再分别请求处理； 将第三方平台反馈的问题分类， 所分类的类型包括菜品、 价 格、 服务、 环境和其 他； S8、 人工分析、 手动标记， 对前面步骤处理过程可能会出现遗漏， 进行人为补充额外的 差评问题， 或者隐藏 不需的反馈内容； S9、 合并整理， 对于前面步骤的所有标记结果进行合并整理， 将相似的分析结果进行合 并； 如前面 步骤处理过程存在概 率不准确时， 进行 人工修正负面关键词和分类； S10、 生成分析报告， 根据以上步骤生成分析报告内容， 输出报告。 2.如权利要求1所述的方法， 其中， 步骤S2中， 从第三方平台APP后台下载的数据， 确保 其中至少包 含一条中差 评内容。 3.如权利要求2所述的方法， 其中， 步骤S2中， 对评价内容进行结构化处理， 确保格 式按 照标准格式录入， 所述格式包括评论内容、 星 级、 评论时间、 用户名的字段。 4.如权利 要求1所述的方法， 其中， 步骤S5中， 所述NLP平台包括BERT模型和神经网络模 型。 5.如权利要求1所述的方法， 其中， 步骤S5中， 所述NLP平台具有利用第三方云平台的 NLP接口， 所述 NLP接口包括阿里云或腾讯 云平台。 6.如权利要求1所述的方法， 其中， 步骤S6还 包括： S61、 将基础评论的评价数据， 根据常用标点切分成语句后构成基础的语句库； S62、 确定负面语句库， 利用NLP技术处理基础语句库， 其中， 负面语句为出现负面情绪 词数量>0 。 7.如权利要求6所述的方法， 其中， 步骤S7中， 根据TextCNN算法对负面语句进行分类，权　利　要　求　书 1/2 页 2 CN 115392199 A 2分别划分到不同的负面问题分类中。 8.一种评价分析和报告生成的装置， 包括： 数据预处理模块， 所述数据预处理模块通过第三平台的APP或者管理后 台下载所需评 价内容的列 表， 进行内容清洗去除无效内容， 所述无效内容包括表情的特殊字符， 形成基础 的评价内容数据表； 菜品正负向统计模块， 所述菜品正负向统计模块用于对评价数据进行情绪分析， 请求 通用NLP平台， 将根据返回结果的情绪正向或负向分析， 分别统计为菜品的正向次数、 负向 次数， 其中， 对菜品语句进行情绪分析， 输入为具体语句数据， 输出为语句的分词情绪值或 切词后的分词情绪值列表， 对于其中只要出现一例负向情绪值即记录为负面提及， 逐句处 理后汇总每个菜品提及的次数以及正负向提及次数， 其中， 所述NLP平台包括BERT模 型和神 经网络模型， 或者具有利用包括阿里云或腾讯 云平台的第三方云平台的N LP接口； 差评分类统计模块， 用于将基础评论的评价数据根据常用标点切分成语句后构 成基础 的语句库， 确定负面语句库， 其中， 负面语句为出现负面情绪词数量>0； 能够利用NLP技术处 理基础语句库， 根据TextCNN算法对负面语句进行分类， 分别划分到不同的负面问题分类 中， 所述分类 类型包括菜品、 价格、 服 务、 环境和其 他。 9.一种电子设备， 包括： 存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的评价分析和报告生成程序， 所述评价分析和报告生成程序被所述处理器执行时实现如 权利要求1至7中任一项所述的评价分析和报告生成方法的步骤。 10.一种计算机存储介质， 其中， 所述计算机存储介质上存储有评价分析和报告生成程 序， 所述评价分析和报告生 成程序被处理器执行时实现如权利要求 1至7中任一项 所述的评 价分析和报告生成方法的步骤。权　利　要　求　书 2/2 页 3 CN 115392199 A 3