CN108960944A - 用户评价处理方法及装置、计算机可读介质、电子设备 - Google Patents

用户评价处理方法及装置、计算机可读介质、电子设备 Download PDF

Info

Publication number
CN108960944A
CN108960944A CN201710348089.4A CN201710348089A CN108960944A CN 108960944 A CN108960944 A CN 108960944A CN 201710348089 A CN201710348089 A CN 201710348089A CN 108960944 A CN108960944 A CN 108960944A
Authority
CN
China
Prior art keywords
evaluation
user
module
dimensions
score value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710348089.4A
Other languages
English (en)
Inventor
周默
刘洋
魏品品
顾江华
韦仕
张燕锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201710348089.4A priority Critical patent/CN108960944A/zh
Publication of CN108960944A publication Critical patent/CN108960944A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/54—Indexing scheme relating to G06F9/54
    • G06F2209/547—Messaging middleware
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/54—Indexing scheme relating to G06F9/54
    • G06F2209/548—Queue
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/546—Message passing systems or structures, e.g. queues

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本公开涉及一种用户评价处理方法及装置、计算机可读介质、电子设备。该用户评价处理方法包括：获取用户评价，所述用户评价包括一个以上评分维度；计算所述用户评价的评分维度的分值；根据所述用户评价的评分维度的分值及评分维度的权重获得所述用户评价的评分；基于所述用户评价的评分对所述用户评价进行排序。本公开通过对用户评价进行处理，基于一个以上的评分维度对用户评价进行评分，可以为用户提供更有参考价值的用户评价。

Description

用户评价处理方法及装置、计算机可读介质、电子设备
技术领域
本公开涉及信息处理技术领域，尤其涉及一种用户评价处理方法及装置、计算机可读介质、电子设备。
背景技术
随着互联网的发展和成熟，网上购物已逐渐成为人们的常用购物途径之一。近年来，很多购物网站都推出了允许用户对已购买商品进行评价的功能。由于网上购物不像实体店购物一样能实地查看和体验商品，因此，先通过查看其他用户的购物评价(以下简称用户评价)来评判商品，然后再决定是否买入，已成为越来越多用户的网上购物习惯。
但是，由于不同用户会有不同的商品评判标准，关注重点也各有差别，往往一件商品的购物评价页面内存在大量的用户评价，但是对用户有参考价值的却只是其中的一部分，这种情况下，用户就需要从全部用户评价中筛选出自身关注的那部分，筛选过程既浪费用户的时间，又会降低用户网上购物的舒适度。
因此，非常需要一种改进的用户评价处理方法及装置，以使用户可以迅速看到对自身有参考价值的用户评价。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种用户评价处理方法及装置、计算机可读介质、电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一个方面，提供一种用户评价处理方法，包括：
获取用户评价，所述用户评价包括一个以上评分维度；
计算所述用户评价的评分维度的分值；
根据所述用户评价的评分维度的分值及评分维度的权重获得所述用户评价的评分；
基于所述用户评价的评分对所述用户评价进行排序。
在本公开的一种示例性实施例中，所述方法还包括：按照所述用户评价的排序显示所述用户评价。
在本公开的一种示例性实施例中，其中所述评分维度包括优先级、标签、评级、时间、语义、图片中的任意一种或者多种。
在本公开的一种示例性实施例中，计算所述用户评价的评分维度的分值包括：
根据***的业务需要赋予所述用户评价一个预设的第一分值或者第二分值，获得所述用户评价的优先级分值；和/或
获取所述用户评价对应的商品的标签；
将各标签进行分词处理，将各标签分词和/或其同义词和/或其近义词分别与所述用户评价的评价文本进行匹配，获得相应的匹配度，根据各标签分词和/或其同义词和/或其近义词与所述评价文本的匹配度以及相应命中次数，获得所述用户评价的标签分值；和/或
预先设置区分度超参数，根据所述区分度超参数和所述用户评价的评级的指数函数，获得所述用户评价的评级分值；和/或
根据所述用户评价的评价时间和***的纪元时间，采用非线性的加权算法获得所述用户评价的时间分值；和/或
根据所述用户评价的评价文本的文本长度及预设的调整因子和/或重复文本和预设的重复文本比重参数及重复因子和/或情感因子和/或短文本比重参数和/或无效词和/或黑名单词汇，获得所述用户评价的语义分值；和/或
当所述用户评价中包括图片时，根据图片数量获得所述用户评价的 图片分值。
在本公开的一种示例性实施例中，所述方法还包括：
当所述用户评价中还包括追评图片时，根据所述图片数量和所述追评图片数量及预设的追评图片权值，获得所述用户评价的图片分值。
根据本公开的一个方面，提供一种用户评价处理装置，所述装置包括：
评价模块，用于获取用户评价，其中所述用户评价包括一个以上评分维度；
实时计算模块，用于计算所述用户评价的评分维度的分值并根据所述用户评价的评分维度的分值及评分维度的权重获取所述用户评价的评分；
排序模块，用于基于所述用户评价的评分对所述用户评价进行排序。
在本公开的一种示例性实施例中，所述实时计算模块是基于storm构建的，并且所述排序模块部署于所述实时计算模块上。
在本公开的一种示例性实施例中，所述装置还包括：缓存集群模块，用于存储排序后的所述用户评价及其评分列表。
在本公开的一种示例性实施例中，所述缓存集群模块中存储的评分列表采用基于跳表的可排序集合。
在本公开的一种示例性实施例中，所述缓存集群模块采用redis的主从结构分布式部署。
在本公开的一种示例性实施例中，所述装置还包括：消息中间件模块，用于将所述用户评价从所述评价模块推送至所述实时计算模块进行处理。
在本公开的一种示例性实施例中，所述装置还包括：数据重发模块，用于针对所述消息中间件模块的消息队列设计一套具备事物补偿机制的数据源，并在指定时间段进行数据重发。
在本公开的一种示例性实施例中，所述装置还包括：数据库模块，用于存储所述实时计算模块计算得到的所述用户评价的评分维度的分值。
在本公开的一种示例性实施例中，所述装置还包括：转化率效果评估模块，用于根据所述数据库模块存储的所述用户评价的评分维度的分 值对排序后的所述用户评价的转化率效果进行评估。
根据本公开的一个方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的用户评价处理方法。
根据本公开的一个方面，提供一种电子设备，包括：
一个或多个处理器；以及
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述的用户评价处理方法。
本公开示例性实施方式所提供的用户评价处理方法及装置、计算机可读介质、电子设备，通过对用户评价进行处理，基于一个以上的评分维度对用户评价进行评分，可以为用户提供更有参考价值的用户评价。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示意性示出可以应用本申请的用户评价处理方法或用户评价处理装置的***架构图；
图2示意性示出本公开示例性实施例中一种用户评价处理方法的流程图；
图3示意性示出本公开示例性实施例中另一种用户评价处理方法的流程图；
图4示意性示出本公开示例性实施例中标签的示意图；
图5示意性示出本公开示例性实施例中用户给出的评级的示意图；
图6示意性示出本公开示例性实施例中一种用户评价处理装置的框图；
图7示意性示出本公开示例性实施例中另一种用户评价处理装置的框 图；
图8示意性示出本公开示例性实施例中的电子设备的模块示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示出了可以应用本申请的用户评价处理方法或用户评价处理装置的示例性***架构100。
如图1所示，***架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103提交用户评价并显示提供支持的后台管理服务器。后 台管理服务器可以对接收到的用户评价等数据进行分析等处理，并将处理结果(例如排序后的用户评价)反馈给终端设备。
需要说明的是，本申请实施例所提供的用户评价处理方法一般由服务器105执行，相应地，用户评价处理装置一般设置于服务器105中。
图1为本发明实施例可以在其中实施的应用场景。利用本发明实施例提供的用户评价处理方法，假设当用户通过终端设备101(更具体地，例如终端设备101中安装的购物网站应用程序，或者终端设备101显示的购物网站页面)输入账号及密码而登录购物网站时，购物网站的服务器105调取该账号对应的相关信息，其中包括用户评价(也可以称为购物评价、商品评价)的历史记录。当用户通过终端设备101在该购物网站内浏览商品时，服务器105对商品的全部用户评价排序，并将排序后的用户评价发送给终端设备101(更具体地，例如终端设备101中安装的购物网站应用程序，或者终端设备101显示的购物网站页面)进行显示，以便用户能迅速看到具有较高参考价值的用户评价。
需要注意的是，上述应用场景仅是为了便于理解本发明的精神和原理而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
目前，商品评价作为电商平台的重要组成部分，正在对用户的消费行为产生越来越深远的影响，用户在下单前往往会大量的浏览商品评价，从中找到自己需要的信息。传统的评价列表是按照商品评价的发表时间顺序进行自然排序或者按照一些固有维度(如好评、中评、差评等)筛选评价列表。
按时间顺序存储评价列表实现起来比较简单，但通常无法给予用户最有参考意义的用户评价，排在前列的用户评价往往质量较差，不能激发用户下单。对于一些时间较早但是内容非常优秀的评价，往往不会出现在前列。
而按照一些固有维度筛选评价列表，通常需要为每个维度建立一份缓存列表，大大增加了存储空间，并且不能反映出用户评价的综合情况。
因此，需要设计一套新的用户评价处理方法，为用户提供更好的指导意见。本公开基于用户评价展示框架，采用独立的用户评价排序方法优化评价列表，将最优的用户评价顺序展示给用户。
本发明实施方式提出了一种用户评价处理方法，采用智能的评价排序方式，综合考虑了用户评价的固有信息(例如包括评价时间、评级、晒图等)、语义信息(例如包括评价内容、标签等)、业务需要(例如对于某些特殊的评价，需要强制置顶或沉底等)等方面，并实现了一套存储体系和展示接口用于实现该用户评价处理方法。
本示例实施方式提出了一种用户评价处理方法，如图2所示，所述用户评价处理方法主要可以包括以下步骤。
在步骤S100中，获取用户评价，所述用户评价包括一个以上评分维度。
具体的，服务器获取当前用户通过终端设备浏览的当前商品的用户评价的历史记录(表示该当前用户以及其他用户以往填写的购物评价的一条或多条或全部记录)。
本发明实施例中，所述用户评价可以包括评价内容、评价时间、评价数量等。
在本实施例中，所述评价内容可以包括，但不仅限于，文字和/或图片。所述文字可包括所述在售商品的名称、型号、购买价格、购买时间及用户体验等内容。所述图片可包括所述在售商品的实物照片等。
在示例性实施例中，其中所述评分维度包括优先级、标签、评级、时间、语义、图片等中的任意一种或者多种。
在步骤S110中，计算所述用户评价的评分维度的分值。
在示例性实施例中，计算所述用户评价的评分维度的分值包括：
根据***的业务需要赋予所述用户评价一个预设的第一分值或者第二分值，获得所述用户评价的优先级分值；和/或
获取所述用户评价对应的商品的标签；
将各标签进行分词处理，将各标签分词和/或其同义词和/或其近义词分别与所述用户评价的评价文本进行匹配，获得相应的匹配度，根据各标签分词和/或其同义词和/或其近义词与所述评价文本的匹配度以及相应 命中次数，获得所述用户评价的标签分值；和/或
预先设置区分度超参数，根据所述区分度超参数和所述用户评价的评级的指数函数，获得所述用户评价的评级分值；和/或
根据所述用户评价的评价时间和***的纪元时间，采用非线性的加权算法获得所述用户评价的时间分值；和/或
根据所述用户评价的评价文本的文本长度及预设的调整因子和/或重复文本和预设的重复文本比重参数及重复因子和/或情感因子和/或短文本比重参数和/或无效词和/或黑名单词汇，获得所述用户评价的语义分值；和/或
当所述用户评价中包括图片时，根据图片数量获得所述用户评价的图片分值。
在示例性实施例中，所述方法还可以包括：当所述用户评价中还包括追评图片时，根据所述图片数量和所述追评图片数量及预设的追评图片权值，获得所述用户评价的图片分值。
在步骤S120中，根据所述用户评价的评分维度的分值及评分维度的权重获得所述用户评价的评分。
在步骤S130中，基于所述用户评价的评分对所述用户评价进行排序。
在示例性实施例中，所述方法还可以包括：当有两条或者两条以上的用户评价的评分相同时，优先排列评价时间近的用户评价。
在本实施例中，当用户对在售商品的用户评价的数量超过一条时，会根据用户评价的评分的不同对该在售商品所有的用户评价进行排序，以便于用户在查看所述在售商品的历史评价记录时，可以在第一时间浏览到内容丰富、具有高参考价值的用户评价。
需要注意的是，当所述在售商品有新的用户评价出现时，可以根据该新的用户评价的评分将该新的用户评价***所述在售商品已完成排序的历史评价记录中。
本公开示例性实施方式所提供的用户评价处理方法，通过对商品的用户评价的一个以上的评分维度进行打分并根据打分获取用户评价的评分，从而对用户评价进行排序，可以为用户优先提供更有参考价值的用户评价，节省用户浏览筛选用户评价的时间，从而提高了用户体验，促 进用户下单。
本示例实施方式提出了另一种用户评价处理方法，如图3所示，所述用户评价处理方法主要可以包括以下步骤。
在步骤S100中，获取用户评价，所述用户评价包括一个以上评分维度。
在示例性实施例中，其中所述评分维度包括优先级、标签、评级、时间、语义、图片等中的任意一种或者多种。
本发明实施例中，以所述评分维度包括优先级、标签、评级、时间、语义和图片为例进行举例说明，但本公开并不限定于此。
在步骤S110中，计算所述用户评价的评分维度的分值。
在步骤S120中，根据所述用户评价的评分维度的分值及评分维度的权重获得所述用户评价的评分。
本发明实施例提出了一种用户评价处理方法，通过智能的排序方式，找出用户关心的各种维度，例如可以包括时间、评级(好评、中评、差评)、标签、语义(文本长度、情感趋势、特殊短语等)、晒图等，依次对各个维度进行打分并加权求和。
需要说明的是，本发明实施例中，所述特殊短语例如可以一些政治敏感词，出现这种词语，直接降权处理。
本发明实施例中，获取所述用户评价的评分的评分公式如下：
其中，f(priority)代表对所述用户评价的优先级(置顶、沉底等业务需要)做评分函数，f(tag)代表对所述用户评价的标签做评分函数，f(grade)代表对所述用户评价的评级例如好评、中评、差评做评分函数，f(time)代表对所述用户评价的评价时间做评分函数，f(content)表示对所述用户评价的文本内容和语义做评分函数，f(picture)表示对所述用户评价的评价晒图做评分函数。
w1～w6分别代表上面6个函数对应的权重值，即分别对应于用户评价的优先级、标签、评级、时间、语义、图片评分维度的权重。在示例性实施例中，可以支持动态的调节各个评分函数的占比(即权重值)，本公开对此不作限定。
上述评分公式中的两个向量相乘得到最终的用户评价的评分。
下面对上述的各个函数的具体实现进行描述。
本发明实施例中，优先级函数如下：
f(priority)＝±MaxScore，
强制赋予所述用户评价一个最大或最小分值，通常作用于业务上有特殊需要的时候，可以强制拉高或拉低某一或某些用户评价，通过该函数对应的权重值可以灵活的决定该用户评价所处的排序位置。例如特殊需要可以是指优质评价和劣质评价需要特殊处理，特别是劣质评价，不能让其显示在前面。需要注意的是，本发明实施例中，所述劣质评价不等同于差评，主要是指那些没有参考意义的文字。
具体的，优先级可以由运营人员决定的，人工筛选一批优质评价，让它们显示在显示用户评价的页面的前面，再另外挑出一些劣质评价，让其落在显示用户评价的页面的最后几页。
本发明实施例中，这个MaxScore是可配置的，默认取100，可根据业务需要进行修改，本公开对此不作限定。
本发明实施例中，标签函数如下：
f(tag)＝∑Tag分词匹配度*命中次数，
上述标签函数的具体实现过程为：先将该在售商品的各标签进行分词处理，去掉无意义的助词、副词等，然后将各分词与用户评价的评价文本做完全匹配，匹配成功则假设匹配度为100％，接下来通过扩展的同义词词林(预先训练得到)获取与标签分词语义接近的词，如果匹配成功，则匹配度为两词之间的距离的归一化数值(介于0和1之间)，越相近的词匹配度越高；命中次数是指该标签分词在所述评价文本中出现的个数。
例如，一个标签叫做：“太值得买了”，可以先去掉副词“太”，语气助词“了”，最终得到“值得”、“买”两个标签分词，具体分词技术可以使 用开源的语料库，本公开对此不作限定。
其中，同义词词林是一套类似同义词字典的东西，里面提供了常用的同义词语，例如美丽和漂亮。训练就是通过人工标注的方式，把词林中没有的、但在电商平台的用户评价中出现的词标识出来，并扩充进去。
在一些实施例中，两词之间的距离可以使用开源的word2vec实现，简单的原理就是把词变成一个向量表示出来，两个向量之间通过计算余弦求出，由于余弦值介于0-1之间，实现了匹配度的归一化，方便统一处理。但本公开对此不作限定。
这里的标签可以依托于关键词聚类技术(但本公开不限定于此，还可以通过其他NLP(Natural Language Processing，自然语言处理)得到)从获取的用户评价中提取。关键词聚类是指把一条用户评价切分成多个短语，然后统计各个短语出现的频率，并排除掉公共的高频词。
本发明实施例中，所述方法还可以包括：在所述评价数量达到一预设值时，在出售所述在售商品的店铺首页生成该在售商品的标签。
本发明实施例中，统计已获取的历史记录中各个词语的出现频次，对各个词语按照出现频次由高到低排序，并将其中排序靠前的一个或多个词语确定为标签。
可选地，可以预先设置一数值N(N为自然数)，将排序后的词语中靠前的N个词语确定为标签。
可选地，可以预先设置一百分比M％(M为自然数)，将排序后的词语中靠前的、且占全部词语的M％词语确定为标签。
可选地，可以预先设置一预设频次P(P为自然数)，将统计结果中出现频次超过P的词语确定为标签。
本发明实施例中，所述方法还可以包括：在所述终端设备中显示所述标签，并显示该在售商品对应的排序后的所述用户评价。
可选地，可以针对每个商品评价标签，统计包含该商品评价标签的商品评价总数和/或其占全部商品评价的百分比，并将统计结果与商品评价标签、以及排序后的商品评价一起显示。
图4示意性示出本公开示例性实施例中标签的示意图。通过统计该商 品的全部评价(2300+)，获取并显示商品评价上方的标签“相机不错(290)”、“拍摄效果好(138)”、“画质好(98)”、“成像很好(83)”、“照片清晰(66)”、“可以换镜头(34)”、“对焦迅速(32)”、“高感很好(19)”、“夜景出色(14)”“微距很棒(13)”。
本发明实施例中，评级函数如下：
f(grade)＝Ngrade，
其中，N是区分度超参数，用于拉大不同评级例如好评、中评、差评的距离，grade可取值为1、2、3、4、5，其中1可以表示差评，2、3可以表示中评，4、5可以表示好评，但本公开并不限定于此。
上述公式中，N区分度是一个超参数，可以支持人为配置，默认取的是自然对数e(约等于2.72)，实际生产环境下有些品类可以取是5，数值越大，区分度就越大。
在一些实施例中，可以根据用户对所购买商品给出的星级来判断该用户评价对应的评级。图5示意性示出本公开示例性实施例中用户给出的评级的示意图。用户对当前购买的口罩给出的评级为五星。假设***中设置1星是差评，2、3星是中评，4、5星是好评，则图5所示的实例中对应的评级是好评。
本发明实施例中，时间函数如下：
其中，year()函数的作用是获取所述用户评价的评价时间的当前年份，era是纪元时间，默认取电商平台的第一条评价出现的时间；上述公式中，底数是年份year，指数是时间time，这里的time可以精确到毫秒，每毫秒都是不一样的。通过此公式计算用户评价的时间分值，可以保证随着时间的推移，时间维度所占比重越来越高。这样做的前提是，假设用户评价的质量会随着***的成熟而越来越好。
本发明实施例中，时间维度采用非线性的加权算法，使得新发表的用户评价的时间分值会不断的高于以往发表的用户评价的时间分值。这是因为用户所浏览的商品的购物评价中，有些购物评价的创建时间或修改时间距今可能已有较长时间，考虑到时效性问题，这部分购物评价对 于用户的参考价值较小。
本发明实施例中，文本内容和语义函数如下：
在上述公式中，length()函数取所述用户评价的评价文本的文本长度，所述调整因子(可以支持配置，这里默认取100)决定了文本长度对整体评分的影响程度；重复因子(可以支持配置，这里默认取3)决定了重复文本(重复出现的文本，例如“太好啦太好啦太好啦太好啦”)对整体评分的影响程度；情感因子可以通过训练好的神经网络，为每条用户评价打一个情感分值，正向情感加分，负向情感减分。N(可配置，默认取3)是短文本比重参数，决定了短文本的降权程度，M(可配置，默认取3)是重复文本比重参数，决定了重复文本的降权程度。Invalid()是无效词，Black()是黑名单词汇，存在的话直接降权。
本发明实施例中，所述情感分值可以由两部分组成，一部分是通过预先定义的词性语料库，把带有感情色彩的词打个分，比如“喜欢”是5.1，“讨厌”是-3.8，“还好”是0.6，将这些求和；另一部分是通过人为标注一些好评词和差评词，然后通过人工神经网络训练得到一个评分网络，一个新的文本进入网络后，会输出它是哪种评价的概率，对这个结果求期望得到所述情感分值的另一部分，这里的神经网络可以参考现有技术，在此不对其做限定。
这里的短文本例如可以是“商品很不错”“很赞！！”，这种评价虽然有一定的参考意义，但信息量不大，需要对这种“短”文本做降权处理。
其中，所述无效词是一个字典表，记录了一些没有实际意义的字符，可人工修改，包含多个做求和处理。字典表中的无效词可以通过规则定义，例如包括表情符号、标点符号、特殊字符等。
所述黑名单词汇也是一个字典表，原理同上。
本发明实施例中，晒图函数如下：
f(picture)＝评价晒图数量+追评图片数量*K，
上述公式中，K是追评图片的权重值，可配置，如果业务对图片要 求较高，线上取值例如可以是10。当然，在其他实施例中，追评图片为非必选参数。
在步骤S130中，基于所述用户评价的评分对所述用户评价进行排序。
本发明实施例中，可以根据所述用户评价的评分进行降序排列，即高分值的用户评价排在前面，低分值的用户评价排在后面。
在步骤S140中，所述方法还可以包括：按照所述用户评价的排序显示所述用户评价。
经过以上步骤之后，用户就可以在浏览的商品页面内，迅速看到符合自身关注内容的用户评价，而不必在筛选用户评价是浪费时间，同时，购物网站的便捷程序也得以提升，有助于增强用户粘性。
在介绍了本发明示例性实施方式的方法之后，接下来，参考图6对本发明示例性实施方式的用户评价处理装置进行介绍。
用户评价处理装置的实施可以参见上述方法的实施，重复之处不再赘述。以下使用的术语“模块”，可以是实现预定功能的软件和/硬件。尽管以下实施例所描述的模块较佳地以软件来实现，但是硬件、或者软件和硬件的组合的实现也是可能并被构想的。
本示例实施方式中还提出了一种用户评价处理装置，其基本架构如图6所示。如图6所示，该用户评价处理装置10可以包括评价模块100、实时计算模块110以及排序模块120。
其中，评价模块100可以用于获取用户评价，其中所述用户评价包括一个以上评分维度。
实时计算模块110可以用于计算所述用户评价的评分维度的分值并根据所述用户评价的评分维度的分值及评分维度的权重获取所述用户评价的评分。
排序模块120可以用于基于所述用户评价的评分对所述用户评价进行排序。
本示例实施方式中还提出了另一种用户评价处理装置，其基本架构如图7所示。
如图7所示，该用户评价处理装置20可以包括上述图6中的评价模块100、实时计算模块110以及排序模块120。
在图7所示的实施例中，所述实时计算模块110可以是基于storm(Twitter开源的流式计算***)构建的，并且所述排序模块120部署于所述实时计算模块110上。
在图7所示的实施例中，所述装置还可以包括：缓存集群模块220，用于存储排序后的所述用户评价及其评分列表。
在示例性实施例中，所述缓存集群模块220中存储的评分列表采用基于跳表的可排序集合。
其中，跳表是一种特殊的数据结构，既满足集合的元素唯一性，又满足列表的有序性，并具备高效的查询能力，本发明实施例中使用跳表存储评价ID。
在示例性实施例中，所述缓存集群模块可以采用redis的主从结构分布式部署。评分列表存储在redis缓存中。
其中，所述缓存基于redis的主从结构，分布式部署，读写分离。当redis主节点出现异常时，storm的存储Bolt(storm的数据处理节点)会捕获到异常，并报警，异常期间所有的失败消息会被标记，并在redis恢复后重发；从节点部署多个，当一个挂掉后，可以从其他节点读取数据。这里的失败消息是指那些已被发送，但由于***故障，没有被正确处理的消息。
在图7所示的实施例中，所述装置还可以包括：消息中间件模块210，用于将所述用户评价从所述评价模块100推送至所述实时计算模块110进行处理。
在示例性实施例中，所述装置还可以包括：数据重发模块(图中未示出)，用于针对所述消息中间件210的消息队列设计一套具备事物补偿机制的数据源，并在指定时间段进行数据重发。
本发明实施例中，排序模块120的排序主程序采用storm的Topology实现，针对消息队列设计了一套具备事物补偿机制的数据源(spout，storm的数据源发送节点)，当数据计算节点(bolt)发生异常中断时，数据源会自动重发未完成评分的用户评价数据，由于可排序集合天然具备幂等性操作，因此不用回滚之前的数据，保证最终计算的分值正确即可。
上述的事物补偿是指如果数据发送失败，需要通知数据源重新发送，具备重发能力的数据源都叫具备事物补偿机制的数据源，例如MySQL数据库。当数据存储到MySQL中时，可以通过SQL语句检索出需要重发的数据，并传给本装置。
本发明实施例中，幂等就是一次操作和多次操作的结果是一样的，比如集合中存储了元素A，那么当同样的元素A被添加进来时，不会产生2个A，无论操作多少次，集合中始终存在1个A，这是由set数据结构的哈希特性决定的。
本发明实施例中，装置提供按范围回放评价数据的功能，可以指定任意时间段进行数据重发。时间范围，比如最近1小时发生了***故障，可以指定这个范围的数据重新发送。
在图7所示的实施例中，所述装置还可以包括：数据库模块230(这里以Hbase数据库为例进行说明)，用于存储所述实时计算模块110计算得到的所述用户评价的评分维度的分值。
图示中的评分明细是指时间、评价、图片、标签、文本等分别被打了多少分。其中Hbase数据库是一种KV数据库，用来存储这些评分的，它的特点是读写速度都很快。
在图7所示的实施例中，所述装置还可以包括：转化率效果评估模块240，用于根据所述数据库存储的所述用户评价的评分维度的分值对排序后的所述用户评价的转化率效果进行评估。
图示中的A/B对照组是指，对一部分用户采用排序后的评价，另一部分采用原始顺序的评价，看看两部分用户浏览过评价之后，哪一组下单的人数更多。通过A/B测试，可以发现采用本发明实施例中的排序方式处理后的排序结果大幅度促进了下单量。
上图描述了评价排序的架构图。用户发表评价后，评价模块100将封装好的评价数据发送至消息中间件模块210(支持Kafka，但本公开并不限定于此)，排序主程序部署在基于流式计算的实时计算模块(基于storm构建)中，拓扑程序(能在storm集群上运行的程序，通过java编写，可以理解成对上述公式做了程序上的实现)逐条分析评价数据，并分布式的计算各评分维度的分值，最终得到当前用户评价的评分。评分 列表使用基于跳表的可排序集合实现，集合中存储了评价ID和评分。所述评价ID是***生成的全局唯一ID，通过数据库自增实现。
在示例性实施例中，集合设置了最大页数，超过最大页数的低分值评价将被抛弃掉。集合设置了最大页数，根据线上情况可以动态调节，例如取1000，所有商品可以共用这一个参数，都是1000。时间复杂度为O(log(N))，N为有序集的基数。基数是指集合中实际存储的元素个数，例如存了10条评价，则基数是10。
需要说明的是，虽然上述实施例中以storm为例进行说明，但在其他实施例中，storm可以使用其他实时计算技术替代，例如spark，这里选用storm是因为它简单并可靠，稳定性好。
本发明实施例中，当***全面崩溃时(比如整个机房断电)，此时会自动降级智能排序接口，评价前端使用按时间顺序自然排序的结果。redis开启了持久化功能，故障重启后无冷启动问题，故障期间的数据需要重新同步(从具备事物补偿机制的数据源中同步)到缓存中。持久化就是指存储到硬盘上，不开启持久化，数据只存在于内存中，断电后数据就丢了。
本公开示例性实施方式所提供的用户评价处理方法及装置，一方面，提供了一种新的用户评价排序方式，极大的挖掘了优质评价，为用户提供更好参考；另一方面，还提供了一种实时计算平台的架构设计，并实现了数据一致性和高可用性。
需要说明的是：所述用户评价处理装置中各模块单元的具体细节已经在对应的用户评价处理方法中进行了详细的描述，这里不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以 省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
下面参考图8，其示出了适于用来实现本申请实施例的电子设备600的结构示意图。图8示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示，电子设备600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有***600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的装置中限定的上述功能。
附图中的流程图和框图，图示了按照本申请各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定 的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的装置来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括发送单元、获取单元、确定单元和第一处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，发送单元还可以被描述为“向所连接的服务端发送图片获取请求的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：获取用户评价，所述用户评价包括一个以上评分维度；计算所述用户评价的评分维度的分值；根据所述用户评价的评分维度的分值及评分维度的权重获得所述用户评价的评分；基于所述用户评价的评分对所述用户评价进行排序。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (16)

1.一种用户评价处理方法，其特征在于，包括：
获取用户评价，所述用户评价包括一个以上评分维度；
计算所述用户评价的评分维度的分值；
根据所述用户评价的评分维度的分值及评分维度的权重获得所述用户评价的评分；
基于所述用户评价的评分对所述用户评价进行排序。
2.根据权利要求1所述的用户评价处理方法，其特征在于，所述方法还包括：按照所述用户评价的排序显示所述用户评价。
3.根据权利要求1所述的用户评价处理方法，其特征在于，其中所述评分维度包括优先级、标签、评级、时间、语义、图片中的任意一种或者多种。
4.根据权利要求3所述的用户评价处理方法，其特征在于，计算所述用户评价的评分维度的分值包括：
根据***的业务需要赋予所述用户评价一个预设的第一分值或者第二分值，获得所述用户评价的优先级分值；和/或
获取所述用户评价对应的商品的标签；
将各标签进行分词处理，将各标签分词和/或其同义词和/或其近义词分别与所述用户评价的评价文本进行匹配，获得相应的匹配度，根据各标签分词和/或其同义词和/或其近义词与所述评价文本的匹配度以及相应命中次数，获得所述用户评价的标签分值；和/或
预先设置区分度超参数，根据所述区分度超参数和所述用户评价的评级的指数函数，获得所述用户评价的评级分值；和/或
根据所述用户评价的评价时间和***的纪元时间，采用非线性的加权算法获得所述用户评价的时间分值；和/或
根据所述用户评价的评价文本的文本长度及预设的调整因子和/或重复文本和预设的重复文本比重参数及重复因子和/或情感因子和/或短文本比重参数和/或无效词和/或黑名单词汇，获得所述用户评价的语义分值；和/或
当所述用户评价中包括图片时，根据图片数量获得所述用户评价的图片分值。
5.根据权利要求4所述的用户评价处理方法，其特征在于，所述方法还包括：
当所述用户评价中还包括追评图片时，根据所述图片数量和所述追评图片数量及预设的追评图片权值，获得所述用户评价的图片分值。
6.一种用户评价处理装置，其特征在于，所述装置包括：
评价模块，用于获取用户评价，其中所述用户评价包括一个以上评分维度；
实时计算模块，用于计算所述用户评价的评分维度的分值并根据所述用户评价的评分维度的分值及评分维度的权重获取所述用户评价的评分；
排序模块，用于基于所述用户评价的评分对所述用户评价进行排序。
7.根据权利要求6所述的用户评价处理***，其特征在于，所述实时计算模块是基于storm构建的，并且所述排序模块部署于所述实时计算模块上。
8.根据权利要求6所述的用户评价处理装置，其特征在于，所述装置还包括：缓存集群模块，用于存储排序后的所述用户评价及其评分列表。
9.根据权利要求8所述的用户评价处理装置，其特征在于，所述缓存集群模块中存储的评分列表采用基于跳表的可排序集合。
10.根据权利要求8所述的用户评价处理装置，其特征在于，所述缓存集群模块采用redis的主从结构分布式部署。
11.根据权利要求6所述的用户评价处理装置，其特征在于，所述装置还包括：消息中间件模块，用于将所述用户评价从所述评价模块推送至所述实时计算模块进行处理。
12.根据权利要求11所述的用户评价处理装置，其特征在于，所述装置还包括：数据重发模块，用于针对所述消息中间件模块的消息队列设计一套具备事物补偿机制的数据源，并在指定时间段进行数据重发。
13.根据权利要求6所述的用户评价处理装置，其特征在于，所述装置还包括：数据库模块，用于存储所述实时计算模块计算得到的所述用户评价的评分维度的分值。
14.根据权利要求13所述的用户评价处理装置，其特征在于，所述装置还包括：转化率效果评估模块，用于根据所述数据库模块存储的所述用户评价的评分维度的分值对排序后的所述用户评价的转化率效果进行评估。
15.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1-5任一项所述的用户评价处理方法。
16.一种电子设备，其特征在于，包括：
一个或多个处理器；以及
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5任一所述的用户评价处理方法。
CN201710348089.4A 2017-05-17 2017-05-17 用户评价处理方法及装置、计算机可读介质、电子设备 Pending CN108960944A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710348089.4A CN108960944A (zh) 2017-05-17 2017-05-17 用户评价处理方法及装置、计算机可读介质、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710348089.4A CN108960944A (zh) 2017-05-17 2017-05-17 用户评价处理方法及装置、计算机可读介质、电子设备

Publications (1)

Publication Number Publication Date
CN108960944A true CN108960944A (zh) 2018-12-07

Family

ID=64462856

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710348089.4A Pending CN108960944A (zh) 2017-05-17 2017-05-17 用户评价处理方法及装置、计算机可读介质、电子设备

Country Status (1)

Country Link
CN (1) CN108960944A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109815394A (zh) * 2018-12-26 2019-05-28 北京博鳌纵横网络科技有限公司 一种知识产权托管***
CN110164422A (zh) * 2019-04-03 2019-08-23 苏州驰声信息科技有限公司 一种口语考试的多维度评估方法及装置
CN111325575A (zh) * 2020-02-14 2020-06-23 北京每日优鲜电子商务有限公司 问题信息推荐方法、装置、计算机设备及存储介质
CN111667337A (zh) * 2020-04-28 2020-09-15 苏宁云计算有限公司 一种商品评价的排序方法和***
CN113344660A (zh) * 2021-05-28 2021-09-03 深圳市前海房极客网络科技有限公司 房源信息的处理方法、装置、电子设备及存储介质
CN114202389A (zh) * 2021-10-27 2022-03-18 杭州拼便宜网络科技有限公司 用户评价的管控方法、装置、电子设备及存储介质
CN114387009A (zh) * 2021-12-10 2022-04-22 北京卓思天成数据咨询股份有限公司 客户需求确定方法、装置、设备及计算机可读存储介质
CN116740525A (zh) * 2023-08-16 2023-09-12 南京迅集科技有限公司 基于数据融合的智能制造质量管理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013146075A1 (ja) * 2012-03-30 2013-10-03 楽天株式会社 情報提供装置、情報提供方法、プログラム、情報記憶媒体及び情報提供システム
CN103778235A (zh) * 2014-01-26 2014-05-07 北京京东尚科信息技术有限公司 一种处理商品评价信息的方法和装置
CN104766224A (zh) * 2015-04-09 2015-07-08 网易传媒科技（北京）有限公司 一种购物评价显示方法及***
CN105893350A (zh) * 2016-03-31 2016-08-24 重庆大学 一种电子商务中文本评论质量的评价方法与***
CN106339375A (zh) * 2015-07-06 2017-01-18 阿里巴巴集团控股有限公司 网页上项目的评价信息展示方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013146075A1 (ja) * 2012-03-30 2013-10-03 楽天株式会社 情報提供装置、情報提供方法、プログラム、情報記憶媒体及び情報提供システム
CN103778235A (zh) * 2014-01-26 2014-05-07 北京京东尚科信息技术有限公司 一种处理商品评价信息的方法和装置
CN104766224A (zh) * 2015-04-09 2015-07-08 网易传媒科技（北京）有限公司 一种购物评价显示方法及***
CN106339375A (zh) * 2015-07-06 2017-01-18 阿里巴巴集团控股有限公司 网页上项目的评价信息展示方法和装置
CN105893350A (zh) * 2016-03-31 2016-08-24 重庆大学 一种电子商务中文本评论质量的评价方法与***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李志宇: "在线商品评论效用排序模型研究", 《现代图书情报技术》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109815394A (zh) * 2018-12-26 2019-05-28 北京博鳌纵横网络科技有限公司 一种知识产权托管***
CN110164422A (zh) * 2019-04-03 2019-08-23 苏州驰声信息科技有限公司 一种口语考试的多维度评估方法及装置
CN111325575A (zh) * 2020-02-14 2020-06-23 北京每日优鲜电子商务有限公司 问题信息推荐方法、装置、计算机设备及存储介质
CN111667337A (zh) * 2020-04-28 2020-09-15 苏宁云计算有限公司 一种商品评价的排序方法和***
CN113344660A (zh) * 2021-05-28 2021-09-03 深圳市前海房极客网络科技有限公司 房源信息的处理方法、装置、电子设备及存储介质
CN114202389A (zh) * 2021-10-27 2022-03-18 杭州拼便宜网络科技有限公司 用户评价的管控方法、装置、电子设备及存储介质
CN114387009A (zh) * 2021-12-10 2022-04-22 北京卓思天成数据咨询股份有限公司 客户需求确定方法、装置、设备及计算机可读存储介质
CN114387009B (zh) * 2021-12-10 2023-08-04 北京卓思天成数据咨询股份有限公司 客户需求确定方法、装置、设备及计算机可读存储介质
CN116740525A (zh) * 2023-08-16 2023-09-12 南京迅集科技有限公司 基于数据融合的智能制造质量管理方法
CN116740525B (zh) * 2023-08-16 2023-10-31 南京迅集科技有限公司 基于数据融合的智能制造质量管理方法

Similar Documents

Publication Publication Date Title
US10977311B2 (en) Dynamically modifying elements of user interface based on knowledge graph
CN108960944A (zh) 用户评价处理方法及装置、计算机可读介质、电子设备
US20220138431A1 (en) Method and system for securely storing private data in a semantic analysis system
US9460458B1 (en) Methods and system of associating reviewable attributes with items
CN103294778B (zh) 一种推送资讯信息的方法及***
Li et al. Knowledge-grounded dialogue generation with a unified knowledge representation
US10713291B2 (en) Electronic document generation using data from disparate sources
US20210118024A1 (en) Multi-label product categorization
CN104239373B (zh) 为文档添加标签的方法及装置
US11615241B2 (en) Method and system for determining sentiment of natural language text content
US10824806B2 (en) Counterintuitive recommendations based upon temporary conditions
CN103201718A (zh) 关于关键词提取的***和方法
US11568274B2 (en) Surfacing unique facts for entities
US10853579B2 (en) Mixed-initiative dialog automation with goal orientation
CN110489558A (zh) 文章聚合方法和装置、介质和计算设备
US20180357323A1 (en) Generating information describing interactions with a content item presented in multiple collections of content
US9460071B2 (en) Rule development for natural language processing of text
US20140115004A1 (en) Systems and methods of audit trailing of data incorporation
CN112328857B (zh) 一种产品知识聚合方法、装置、计算机设备及存储介质
US20200210467A1 (en) Template generation using directed acyclic word graphs
CN110020132B (zh) 关键词推荐方法、装置、计算设备及存储介质
US10601749B1 (en) Trends in a messaging platform
CN110766488A (zh) 一种自动确定主题场景的方法和装置
Thakkar Twitter sentiment analysis using hybrid naive Bayes
CN114374857B (zh) 一种内容分发方法、装置、服务器及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20181207

RJ01 Rejection of invention patent application after publication