CN111353024B - 回评文本的生成方法、装置及*** - Google Patents

回评文本的生成方法、装置及*** Download PDF

Info

Publication number
CN111353024B
CN111353024B CN201811474376.0A CN201811474376A CN111353024B CN 111353024 B CN111353024 B CN 111353024B CN 201811474376 A CN201811474376 A CN 201811474376A CN 111353024 B CN111353024 B CN 111353024B
Authority
CN
China
Prior art keywords
text
comment
user
review
hidden state
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.)
Active
Application number
CN201811474376.0A
Other languages
English (en)
Other versions
CN111353024A (zh
Inventor
宋凯嵩
赵露君
林君
孙常龙
刘晓钟
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.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201811474376.0A priority Critical patent/CN111353024B/zh
Priority to PCT/CN2019/121853 priority patent/WO2020114324A1/zh
Publication of CN111353024A publication Critical patent/CN111353024A/zh
Application granted granted Critical
Publication of CN111353024B publication Critical patent/CN111353024B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06Q30/01—Customer relationship services
    • G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
    • G06Q30/016—After-sales
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种回评文本的生成方法、装置及***。其中，该方法包括：基于预设语料集构建回评模型，其中，预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本；接收用户当前回评文本；使用回评模型生成与用户当前评论文本对应的回评文本。本发明解决了相关技术中在回复用户的评论内容时，由于反馈的信息往往和用户评论的内容不一致，会导致用户对商家的关注度降低的技术问题。

Description

回评文本的生成方法、装置及***
技术领域
本发明涉及文本处理技术领域，具体而言，涉及一种回评文本的生成方法、装置及***。
背景技术
在相关技术中，商家会在网店中展示自己的商品并售卖商品给用户，用户会通过网店来购买商品，这种交易方式，用户无法现场体验商品的好坏，也无法判断商品的质量，只能在购买后，拿到货物后，试用商品后，才能知道商品的指令，用户在拿到商品后，会针对商品做出一定的评价，不同的用户拿到不同质量的商品，做出的评价也不同。在这种情况下，商家往往需要针对用户的评价内容做出回复，例如，给出感谢购买、欢迎下次光临，以及针对有质量问题的评价及时做出反馈，但是当前在回复用户的评论内容时，往往是预先设置文本回复内容，回复的内容很容易和用户评论的内容不相关，例如，在当前的淘宝等应用软件中，商家会事先设置多个回复模板，在用户发出评论后，如果检测到相应的文字，就会直接将模板发送给用户，这样回复评论文本的方式，虽然也能给用户一定的反馈，但是由于反馈的信息往往和用户评论的内容不一致，会导致用户对商家的关注降低，降低用户的使用兴趣。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种回评文本的生成方法、装置及***，以至少解决相关技术中在回复用户的评论内容时，由于反馈的信息往往和用户评论的内容不一致，会导致用户对商家的关注度降低的技术问题。
根据本发明实施例的一个方面，提供了一种回评文本的生成方法，包括：基于预设语料集构建回评模型，其中，所述预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本；接收用户当前评论文本；使用所述回评模型生成与所述用户当前评论文本对应的回评文本。
根据本发明实施例的另一方面，还提供了一种回评文本的生成装置，包括：构建单元，用于基于预设语料集构建回评模型，其中，所述预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本；接收单元，用于接收用户当前评论文本；生成单元，用于使用所述回评模型生成与所述用户当前评论文本对应的回评文本。
根据本发明实施例的另一方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述任意一项所述的回评文本的生成方法。
根据本发明实施例的另一方面，还提供了一种回评文本的生成***，包括：处理器；以及存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：步骤1，基于预设语料集构建回评模型，其中，所述预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本；步骤2，接收用户当前评论文本；步骤3，使用所述回评模型生成与所述用户当前评论文本对应的回评文本。
在本发明实施例中，基于预设语料集构建回评模型，其中，预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本，接收用户当前评论文本，使用回评模型生成与用户当前评论文本对应的回评文本。在该实施例中，可以通过构建的回评模型来结合用户评论文本及商品的描述信息来自动生成多样、信息丰富、有针对性的回复内容，回复的内容与用户当前评论的文本内容相适应，让用户能更深切了解到与购买商品、评述内容对应的商品信息，提高了用户对商家的关注度，进而解决相关技术中在回复用户的评论内容时，由于反馈的信息往往和用户评论的内容不一致，会导致用户对商家的关注度降低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1示出了一种用于实现回评文本的生成方法的计算机终端(或移动设备)的硬件结构框图；
图2示出了一种用于实现回评文本的生成方法网络终端的示意图；
图3是根据本发明实施例一的回评文本的生成方法的流程图；
图4是根据本发明实施例的一种可选的采用待训练语料构建回评模型的方法的流程图；
图5是根据本发明实施例的一种可选的回评模型的框架示意图；
图6是根据本发明实施例的一种可选的回评文本的生成装置的示意图；
图7是根据本发明实施例的一种自动回评***的示意图；
图8是根据本发明实施例的一种计算机终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先，在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
RNN，Recurrent Neural Network，循环神经网络。
Seq2seq框架，是RNN的一个变种，也叫Encode-Decoder模型，先将输入数据编码成一个上下文向量，得到上下文向量后，用另一个RNN网络对其进行解码，得到解码序列。在本申请中，将Seq2seq框架应用于回评文本的解析，并针对解析序列，输出自动回评文本。
实施例1
根据本发明实施例，还提供了一种回评文本的生成方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现回评文本的生成方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的回评文本的生成方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的回评文本的生成方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
图1示出的硬件结构框图，不仅可以作为上述计算机终端10(或移动设备)的示例性框图，还可以作为上述服务器的示例性框图，一种可选实施例中，图2以框图示出了使用上述图1所示的计算机终端10(或移动设备)作为发送端/接收端一种实施例。如图2所示，计算机终端10(或移动设备)可以经由数据网络连接或电子连接到一个或多个服务器20(例如安全服务器和数据存储服务器等。一种可选实施例中，上述计算机终端10(或移动设备)可以是任意移动计算设备等。数据网络连接可以是局域网连接、广域网连接、因特网连接，或其他类型的数据网络连接。计算机终端10(或移动设备)可以执行以连接到由一个服务器(例如数据存储服务器)或一组服务器执行的网络服务。网络服务器是基于网络的用户服务，诸如社交网络、云资源、电子邮件、在线支付或其他在线应用。
在上述运行环境下，本申请提供了如图3所示的回评文本的生成方法。图3是根据本发明实施例一的回评文本的生成方法的流程图。如图3所示，该生成方法包括如下步骤：
步骤S302，基于预设语料集构建回评模型，其中，预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本；
步骤302，接收用户当前评论文本；
步骤S306，使用回评模型生成与用户当前评论文本对应的回评文本。
通过上述步骤，基于预设语料集构建回评模型，其中，预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本，接收用户当前评论文本，使用回评模型生成与用户当前评论文本对应的回评文本。在该实施例中，可以通过构建的回评模型来结合用户评论文本及商品的描述信息来自动生成多样、信息丰富、有针对性的回复内容，回复的内容与用户当前评论的文本内容相适应，让用户能更深切了解到商品的信息、商家的回评信息，提高了用户对商家的关注度，进而解决相关技术中在回复用户的评论内容时，由于反馈的信息往往和用户评论的内容不一致，会导致用户对商家的关注度降低的技术问题。
下面对上述各步骤进行说明。
本发明实施例可以基于用户的当前评论内容自动生成回复文本，回复内容更有针对性。
本申请实施例的可以应用于电商场景，该电商场景包括以下至少之一：电视购物中的电商营销场景、互联网购物中的电商营销场景。
本发明实施例可以是基于Seq2seq框架对文本进行解析，从而输出相应的回评文本。
在本发明中，会涉及到三种文本，包括：评论文本、回评文本、商品描述信息文本，其中，评论文本可以理解为用户对商品的评论所生成文本，一般而言，用户在通过网上应用购买商品后，往往会基于购买的商品发表一定的评论，评论的内容可能包括：文字、图片、语音、视频等；对于回评文本，可以理解为商家针对每一个用户的评论文本回复的内容所生成的文本，该回评文本一般会包括：感谢语、亲昵语言、回复评论文本中的问题、回复评论文本中的赞扬语言等；商品描述信息文本，可以理解为对商品的描述信息，包括对商品的材质、商品种类、使用舒适度、商品的质量、商品的大小(包括体积、长度、宽度等)等进行描述的信息，一般而言，用户会针对购买的商品做一个商品概括和商品使用感受的评论，而商家也会回复与自身商品相关的商品种类、商品材质等相关的商品描述内容。
其中，本申请涉及到的评论文本包括两种，第一种，用户历史评论文本，该用户指示的是多个不特定的历史用户，针对历史用户的各个评论文本进行解析，进而构建回评模型；第二种为用户当前评论文本，该用户指示的是当前给出评论文本的用户，本申请中会实时利用回评模型对该用户当前评论文本进行解析，然后生成相应的回评文本。即用户历史评论文本的时间在用户当前评论文本的时间点之前，而用户历史评论文本中的用户与用户当前评论文本中的用户也是不同的用户。
步骤S302，基于预设语料集构建回评模型，其中，预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本；
在本发明实施例中，预设语料集可以包括以下至少一种：用户历史评论文本、商家历史回评文本和商品描述信息文本。其中，用户历史评论文本可以是获取到的历史过程中的用户对商品的评论文本，而商家历史回评文本可以是获取到的历史过程中的商家对各个用户评论文本的回评内容。该用户历史评论文本、商家历史回评文本和商品描述信息文本可以是从记录评论区的内容的评论日志所在的服务器或者数据库中获取到的，对于具体的服务器和数据库的类型和具体型号不做限定。
在本实施例一可选的示例中，基于预设语料集构建回评模型包括：对预设语料集进行预处理，通过商品属性信息在用户历史评论文本与商家历史回评文本之间建立关联关系，得到待训练语料；采用待训练语料构建回评模型。本发明实施例中，在对预设语料集进行预处理后，可以得到一个评论对话中的商品属性信息，该商品属性信息是用户和商家关于在该次交易行为中的商品所做的评论内容和回评内容共同包含的商品属性信息。
在本发明中，预处理的方式可以是对文本语料进行的预处理，例如，对用户历史评论文本和商家历史回评文本进行文本分词、去除特殊符号和噪音等预处理，在预处理后，可以通过对用户历史评论文本进行数据分析，抽取出商品属性词(例如，色差，纯棉，大小)，并将其用于商家回复文本内容的筛选和过滤，即用户历史评论文本和商家历史回评文本至少共同提到一个商品属性内容，这样在筛选时就可以筛选出该次评论对话中的商品属性信息。例如，在一次商品交易中，用户评论：“有一处地方坏了，自己缝了起来，还有就是没有那么厚适合天不冷的时候穿们这个店里面买了两条裤子这条裤子怎么码数相同，却短了一大截。问了店长他说这个码数偏小可片上也不能偏成这个样子啦:！算了也懒得退了，有凑合着穿吧！”，而商家回评：“真是很抱歉呢，小店的衣服没能达到亲您预想的那种效果，让您失望了呢。单层法兰绒是中等厚度的，三层夹棉的是最厚的呢亲，亲亲觉得薄的话可以看下我们夹棉加厚款的哦。小店为了保障客户权限还另外赠送了运费险的呢，亲要是不合适的话可以退换的哦。如果还有什么问题，请及时联系我们，一定为您提供满意的服务，谢谢亲”。在预处理后，可以得到用户评论中“没有那么厚”和商家回评中“中等厚度的，三层夹棉的是最厚”是对应的商品属性信息。
上述实施方式指示了在对用户历史评论文本与商家历史回评文本进行预处理后，可以得到两个文本之间的至少一个商品属性信息，在本申请中，通过这种方式对每一个评论对话进行预处理，就可以得到与每个评论对话对应商品属性信息后，然后可以通过商品属性信息在用户历史评论文本与商家历史回评文本之间建立关联关系，得到待训练语料。
在本申请实施例中，在得到待训练语料后，可以采用待训练语料构建回评模型，
图4是根据本发明实施例的一种可选的采用待训练语料构建回评模型的方法的流程图，如图4所示，该方法包括：
步骤S401，将用户历史评论文本中的每个词向量编码为对应时间步骤的第一隐含状态，得到第一编码结果；
步骤S403，将商品描述信息文本中的每个键值对所对应的词向量编码为对应时间步骤的第二隐含状态，得到第二编码结果；
步骤S405，依据第一编码结果，第二编码结果以及获取到的第三隐含状态，获取每个生成步骤对应的词向量，构建回评模型，其中，第三隐含状态是与每个生成步骤的前一步骤通过预测得到的词向量相对应的隐含状态。
通过上述步骤，可以先将用户历史评论文本中的每个词向量编码为对应时间步骤的第一隐含状态，得到第一编码结果，然后将商品描述信息文本中的每个键值对所对应的词向量编码为对应时间步骤的第二隐含状态，得到第二编码结果，最后依据第一编码结果，第二编码结果以及获取到的第三隐含状态，获取每个生成步骤对应的词向量，构建回评模型，即可以通过对用户评论文本分词后的词向量进行编码，并对商品描述信息中的键值对所对应的词向量进行编码，从而构建相应的回评模型，利用解析的词向量可以构建回评模型，以用于生成与用户当前评论文本对应的回评文本。
本发明实施例中的回评模型可以实现针对用户当前评论文本自动回复回评文本，针对性和实效性更强，让商家和用户会更加满意。
可选的，对于步骤S401，将用户历史评论文本中的每个词向量编码为对应时间步骤的第一隐含状态，得到第一编码结果。该步骤是对用户评论文本进行处理，对预先处理得到的每个词向量编码为对应时间步骤的隐含状态，可选的，本发明实施例中可以采用两层的带有门循环单元(GRU)的双向循环神经网络(BiRNN)来对每个词向量进行编码，在本发明中，可以将每个词向量作为一个序列输入，将词向量输入至双向循环神经网络中，输出得到第一隐含状态。
另一种可选的，对于步骤S403，将商品描述信息文本中的每个键值对所对应的词向量编码为对应时间步骤的第二隐含状态，得到第二编码结果。该步骤可以是在对商品描述信息文本进行预处理后，对得到的每个键值对对应的词向量进行编码，编码得到与时间步骤对应的隐含状态。与步骤S401相似，本发明实施例中也可以采用两层的带有门循环单元(GRU)的双向循环神经网络(BiRNN)来对商品描述信息文本中的每个键值对所对应的词向量进行编码，在本发明中，可以将每个键值对所对应的词向量作为一个序列输入，将词向量输入至双向循环神经网络中，输出得到第二隐含状态。
在本发明实施例中，键值对可以指示商品的信息，例如，键值对指示了“属性-值”这一对数据。
另一种可选的，对于步骤S405，依据第一编码结果，第二编码结果以及第三隐含状态，获取每个生成步骤对应的词向量包括：基于每个生成步骤的第三隐含状态和对应时间步骤的第一隐含状态，生成用户历史评论文本向量；基于每个生成步骤的第三隐含状态，对应时间步骤的第二隐含状态以及用户历史评论文本向量，生成商品描述信息文本向量；将用户历史评论文本向量和商品描述信息文本向量融合成中间向量；基于每个生成步骤的第三隐含状态和中间向量生成每个生成步骤对应的词向量。
在本发明实施例中，第三隐含状态是与每个生成步骤的前一步骤通过预测得到的词向量相对应的隐含状态，即可以在每一个生成步骤之前，可以通过对上述编码后的词向量进行解码，解码得到第三隐含状态。
在得到第一隐含状态、第二隐含状态和第三隐含状态后，可以生成用户历史评论文本向量和商品描述信息文本向量。其中，在生成用户历史文本评论文本向量时，可以是基于上述步骤S401生成的第一隐含状态和第三隐含状态，生成用户历史文本评论文本向量；并且基于上述步骤S403生成的第二隐含状态和第三隐含状态以及用户历史文本评论文本向量，生成商品描述信息文本向量。
上述实施方式，说明了如何生成用户历史评论文本向量和商品描述信息文本向量，然后可以将用户历史评论文本向量和商品描述信息文本向量融合成中间向量，并且基于每个生成步骤的第三隐含状态和中间向量生成每个生成步骤对应的词向量。
图5是根据本发明实施例的一种可选的回评模型的框架示意图，如图5所示，其可以包括评论文件编码器51、回复文本解码器52、商品描述编码器53、门多模态单元54、复制模块55,其中每个模块的用途如下：
评论文件编码器51，将输入的用户历史评论文本中每个词向量xi编码为对应时间步骤的隐含状态
Figure BDA0001891820390000091
(对应于上述实施方式中的第一隐含状态)。这里采用了两层的带有门循环单元(GRU)的双向循环神经网络(BiRNN)进行编码。
商品描述编码器53，将输入的商品描述信息的每个键值对(如属性-值)对应的词向量(tk，zk)编码为对应时间步骤的隐含状态
Figure BDA0001891820390000092
(对应于上述实施方式中的第二隐含状态)，与评论文本编码器相似，同样使用两层的带有GRU的BiRNN进行编码。
回复文本解码器52，一旦用户历史评论文本和商品描述信息被编码后，一个带有GRU的两层RNN解码器可以用来生成回复文本内容。在每一个生成步骤，回复文本解码器52接收前一步骤预测的词向量yi并且产生隐含状态
Figure BDA0001891820390000093
(对应于上述实施方式中的第三隐含状态)。
基于评论文件编码器51生成的隐含状态
Figure BDA0001891820390000094
和回复文本解码器52生成的
Figure BDA0001891820390000095
构建注意力机制，生成文本向量
Figure BDA0001891820390000096
(对应于上述实施方式中的用户历史评论文本向量)。基于商品描述编码器53生成的隐含状态
Figure BDA0001891820390000097
和回复文本解码器52生成的
Figure BDA0001891820390000098
以及上下文向量
Figure BDA0001891820390000099
构建注意力机制，生成商品描述向量
Figure BDA00018918203900000910
(对应于上述实施方式中的商品描述信息文本向量)。
门多模态单元54，将生成的文本向量
Figure BDA0001891820390000101
和商品描述向量
Figure BDA0001891820390000102
融合成中间向量ci。
复制模块55，在产生回评文本时，从用户历史评论文本和商品描述信息中借鉴部分内容，可以提高回评文本内容的覆盖。每个步骤i，都是基于输入的解码器隐含状态
Figure BDA0001891820390000103
和中间向量ci，这里涉及了两个得分函数分别从用户历史评论文本和商品描述信息中参考内容，并综合考虑生成当前步骤的词向量yi(对应于上述实施方式中基于每个生成步骤的第三隐含状态和中间向量生成每个生成步骤对应的词向量)。
通过上述实施方式，可以在生成并训练回评模型时，采用用户历史评论文本、商家历史回评文本和商品描述信息作为输入信息，解析词向量，并产生隐含状态，进而生成描述当前步骤的词向量。
步骤S304，使用回评模型生成与用户当前评论文本对应的回评文本。
上述步骤S304指示了可以利用回评模型自动生成回评文本，自动化程度和回复内容更有针对性。
可选的，在使用回评模型生成与用户当前评论文本对应的回评文本之后，还包括：在自动回复模式下，向提交用户当前评论文本的目标用户返回回评文本。即可以在某一位用户发送评论文本后，确定该用户为目标用户，然后利用回评模型生成回评文本，并将回评文本发送给该目标用户，让目标用户能通过终端等查看到该回评文本。例如，用户发出评论文本为：“质量不错，款式好。很显身材，也很上档次”，通过回评模型可以自动生成回评文本：“感谢您的欣赏和喜欢，每一寸面料的剪裁，都伴随着含税的淋漓。没意见衣服的出品，我们都会倾之付出百分之百的努力和用心，希望能给您带来更舒适的穿着体验，希望***的时尚优雅能成为您一生的知己，给予您贴心的呵护。***旗舰店期待您的下次光临！”；又或者，用户发出评论文本为：“描述尺码和实际尺码差太多，害得我买了大号！退换太麻烦，我给别人穿吧！”，通过回评模型可以自动生成回评文本：“亲爱的顾客，非常感谢您对***旗舰店的关注。因每款的设计理念和面料弹性不同，相对应的尺码上是可能稍有差异的呢，建议您先测量自身基本尺寸，再参考页面尺寸信息进行购买，您也可事先咨询客服，祝您购物愉快！”。
作为本发明另一可选的示例，在使用回评模型生成与用户当前评论文本对应的回评文本之后，还包括：在人工干预模式下，根据当前接收到的修正信息调整回评文本的回评内容，得到修正后回评文本；向目标用户返回修正后回评文本。
人工干预模式指示的通过人的动作或者操作(指示人工干预)改变回评文本的内容，上述示例指示了，商家可以通过人工干预的方式，对回评模型生成的回评文本进行修改，调整出与评论文本适应的回评文本，并将修改后的文本返回给用户。设置人工干预模式，是为了保证回复的内容的准确和时效性，更加符合商家的使用习惯，让商家能自主结合回评模型和人工干预模式的文本生成合适的回评文本。
通过上述实施例，可以基于采集的用户历史评论文本、商家历史回评文本和商品描述信息，对数据进行预处理操作，并构建自动回评模型，然后接收用户当前评论文本，并通过自动回评模型可以对新来的评论文本生成回评文本，商家还可以进一步进行修正，然后回复评论文本给目标用户，这样就可以让商家使用该回评模型生成想要的回评文本，满足用户的一些询问需求。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的回评文本的生成方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
实施例2
根据本发明实施例，还提供了一种用于实施上述回评文本的生成方法的回评文本的生成装置，图6是根据本发明实施例的一种可选的回评文本的生成装置的示意图，如图6所示，该装置包括：构建单元61，接收单元63、生成单元65，其中，
构建单元61，用于基于预设语料集构建回评模型，其中，预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本；
接收单元63，用于接收用户当前评论文本；
生成单元65，用于使用回评模型生成与用户当前评论文本对应的回评文本。
上述回评文本的生成装置，可以通过构建单元61基于预设语料集构建回评模型，其中，预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本，通过接收单元63接收用户当前评论文本，通过生成单元65使用回评模型生成与用户当前评论文本对应的回评文本。在该实施例中，可以通过构建的回评模型来结合用户评论文本及商品的描述信息来自动生成多样、信息丰富、有针对性的回复内容，回复的内容与用户当前评论的文本内容相适应，让用户能更深切了解到商品的相关信息，提升对用户的关注度，并提高用户对商家的关注度，进而解决相关技术中在回复用户的评论内容时，由于反馈的信息往往和用户评论的内容不一致，会导致用户对商家的关注度降低的技术问题。
可选的，构建单元包括：预处理模块，用于对预设语料集进行预处理，通过商品属性信息在用户历史评论文本与商家历史回评文本之间建立关联关系，得到待训练语料；构建模块，用于采用待训练语料构建回评模型。
另一种可选的，构建模块包括：第一编码子模块，用于将用户历史评论文本中的每个词向量编码为对应时间步骤的第一隐含状态，得到第一编码结果；第二编码模块，用于将商品描述信息文本中的每个键值对所对应的词向量编码为对应时间步骤的第二隐含状态，得到第二编码结果；获取子模块，用于依据第一编码结果，第二编码结果以及获取到的第三隐含状态，获取每个生成步骤对应的词向量，构建回评模型，其中，第三隐含状态是与每个生成步骤的前一步骤通过预测得到的词向量相对应的隐含状态。
在本发明实施例中，获取子模块包括：第一生成子模块，用于基于每个生成步骤的第三隐含状态和对应时间步骤的第一隐含状态，生成用户历史评论文本向量；第二生成子模块，用于基于每个生成步骤的第三隐含状态，对应时间步骤的第二隐含状态以及用户历史评论文本向量，生成商品描述信息文本向量；融合子模块，用于将用户历史评论文本向量和商品描述信息文本向量融合成中间向量；第三生成子模块，用于基于每个生成步骤的第三隐含状态和中间向量生成每个生成步骤对应的词向量。
作为本发明另一可选的示例，上述回评文本的生成装置还包括：第一返回单元，用于在使用回评模型生成与用户当前评论文本对应的回评文本之后，在自动回复模式下，向提交用户当前评论文本的目标用户返回回评文本。
作为本发明另一可选的示例，上述回评文本的生成装置还包括：在使用回评模型生成与用户当前评论文本对应的回评文本之后，调整单元，用于在人工干预模式下，根据当前接收到的修正信息调整回评文本的回评内容，得到修正后回评文本；第二返回单元，用于向目标用户返回修正后回评文本。
作为本发明另一可选的示例，上述回评文本的生成装置应用于电商场景，电商场景包括以下至少之一：电视购物中的电商营销场景、互联网购物中的电商营销场景。
此处需要说明的是，上述构建单元61、接收单元63和生成单元65对应于实施例1中的步骤S302至步骤S306，两个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
在本发明实施例中，还提供了一种回评***，图7是根据本发明实施例的一种自动回评***的示意图，如图7所示，该回评***包括：***前台交互界面71和***后台管理界面73，其中，
***前台交互界面71，该界面包括自动回复模式711和人工干预模式713，商家可以设置自动回复模式来将模型生成内容直接回应给目标买家，商家也可以选择人工干预模式来进一步修正生成内容并反馈给用户。
***后台管理界面73，该界包括模型训练设置界面732和***管理界面734，模型训练设置界面可以在数据增加后重新设置参数并训练模型，而***管理界面是为管理员更方便地了解***当前的运行状态。
上述的自动回评***，对应于上述的回评文本的生成装置，可以利用该自动回评***向用户和商家分别提供不同的界面，并且可以自动生成并训练回评模型。
通过上述的自动回评***，可以让商家使用回评模型，自动发出回评文本，对用户的评论文本有针对性的进行回复，更加符合商家的使用习惯，提高商家的使用率。
实施例3
本发明的实施例可以提供一种计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。
可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
在本实施例中，上述计算机终端可以执行回评文本的生成方法中以下步骤的程序代码：基于预设语料集构建回评模型，其中，预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本；接收用户当前评论文本；使用回评模型生成与用户当前评论文本对应的回评文本。
可选地，图8是根据本发明实施例的一种计算机终端的结构框图。如图8所示，该计算机终端A可以包括：一个或多个处理器、存储器、以及网络接口、I/O接口、输入/输出接口、键盘、显示器。
其中，存储器可用于存储软件程序以及模块，如本发明实施例中的回评文本的生成方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的回评文本的生成方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端A。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：基于预设语料集构建回评模型，其中，预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本；接收用户当前评论文本；使用回评模型生成与用户当前评论文本对应的回评文本。
可选的，上述处理器还可以执行如下步骤的程序代码：对预设语料集进行预处理，通过商品属性信息在用户历史评论文本与商家历史回评文本之间建立关联关系，得到待训练语料；采用待训练语料构建回评模型。
可选的，上述处理器还可以执行如下步骤的程序代码：将用户历史评论文本中的每个词向量编码为对应时间步骤的第一隐含状态，得到第一编码结果；将商品描述信息文本中的每个键值对所对应的词向量编码为对应时间步骤的第二隐含状态，得到第二编码结果；依据第一编码结果，第二编码结果以及获取到的第三隐含状态，获取每个生成步骤对应的词向量，构建回评模型，其中，第三隐含状态是与每个生成步骤的前一步骤通过预测得到的词向量相对应的隐含状态。
可选的，上述处理器还可以执行如下步骤的程序代码：基于每个生成步骤的第三隐含状态，对应时间步骤的第二隐含状态以及用户历史评论文本向量，生成商品描述信息文本向量；将用户历史评论文本向量和商品描述信息文本向量融合成中间向量；基于每个生成步骤的第三隐含状态和中间向量生成每个生成步骤对应的词向量。
可选的，上述处理器还可以执行如下步骤的程序代码：在使用回评模型生成与用户当前评论文本对应的回评文本之后，在自动回复模式下，向提交用户当前评论文本的目标用户返回回评文本。
可选的，上述处理器还可以执行如下步骤的程序代码：在使用回评模型生成与用户当前评论文本对应的回评文本之后，在人工干预模式下，根据当前接收到的修正信息调整回评文本的回评内容，得到修正后回评文本；向目标用户返回修正后回评文本。
采用本发明实施例，提供了一种基于预设语料集构建回评模型，接收用户当前评论文本，并使用回评模型生成与用户当前评论文本对应的回评文本。上述实施方案中，可以通过构建的回评模型来结合用户评论文本及商品的描述信息来自动生成多样、信息丰富、有针对性的回复内容，回复的内容与用户当前评论的文本内容相适应，让用户能更深切了解到商品的相关信息，并提高商家对用户的关注，提高了用户对商家的关注度，进而解决了相关技术中在回复用户的评论内容时，由于反馈的信息往往和用户评论的内容不一致，会导致用户对商家的关注度降低的技术问题。
本领域普通技术人员可以理解，图8所示的结构仅为示意，计算机终端也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌声电脑以及移动互联网设备(MobileInternet Devices，MID)、PAD等终端设备。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
实施例4
本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的回评文本的生成方法所执行的程序代码。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：基于预设语料集构建回评模型，其中，预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本；使用回评模型生成与用户当前评论文本对应的回评文本。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：对预设语料集进行预处理，通过商品属性信息在用户历史评论文本与商家历史回评文本之间建立关联关系，得到待训练语料；采用待训练语料构建回评模型。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：将用户历史评论文本中的每个词向量编码为对应时间步骤的第一隐含状态，得到第一编码结果；将商品描述信息文本中的每个键值对所对应的词向量编码为对应时间步骤的第二隐含状态，得到第二编码结果；依据第一编码结果，第二编码结果以及获取到的第三隐含状态，获取每个生成步骤对应的词向量，构建回评模型，其中，第三隐含状态是与每个生成步骤的前一步骤通过预测得到的词向量相对应的隐含状态。
根据本发明实施例的另一方面，还提供了一种回评文本的生成***，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：步骤1，基于预设语料集构建回评模型，其中，预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本；步骤2，接收用户当前评论文本；步骤3，使用回评模型生成与用户当前评论文本对应的回评文本。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种回评文本的生成方法，其特征在于，包括：
基于预设语料集构建回评模型，其中，所述预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本；
接收用户当前评论文本；
使用所述回评模型生成与所述用户当前评论文本对应的回评文本；
其中，基于所述预设语料集构建回评模型包括：
对所述预设语料集进行预处理，通过商品属性信息在所述用户历史评论文本与所述商家历史回评文本之间建立关联关系，得到待训练语料；采用所述待训练语料构建所述回评模型；
其中，采用所述待训练语料构建所述回评模型包括：
将所述用户历史评论文本中的每个词向量编码为对应时间步骤的第一隐含状态，得到第一编码结果；将所述商品描述信息文本中的每个键值对所对应的词向量编码为对应时间步骤的第二隐含状态，得到第二编码结果；依据所述第一编码结果，所述第二编码结果以及获取到的第三隐含状态，获取每个生成步骤对应的词向量，构建所述回评模型，其中，所述第三隐含状态是与每个生成步骤的前一步骤通过预测得到的词向量相对应的隐含状态；
其中，依据所述第一编码结果，所述第二编码结果以及所述第三隐含状态，获取每个生成步骤对应的词向量包括：
基于每个生成步骤的第三隐含状态和对应时间步骤的第一隐含状态，生成用户历史评论文本向量；基于每个生成步骤的第三隐含状态，对应时间步骤的第二隐含状态以及所述用户历史评论文本向量，生成商品描述信息文本向量；将所述用户历史评论文本向量和所述商品描述信息文本向量融合成中间向量；基于每个生成步骤的第三隐含状态和所述中间向量生成每个生成步骤对应的词向量。
2.根据权利要求1所述的方法，其特征在于，在使用所述回评模型生成与所述用户当前评论文本对应的回评文本之后，还包括：
在自动回复模式下，向提交所述用户当前评论文本的目标用户返回所述回评文本。
3.根据权利要求1所述的方法，其特征在于，在使用所述回评模型生成与所述用户当前评论文本对应的回评文本之后，还包括：
在人工干预模式下，根据当前接收到的修正信息调整所述回评文本的回评内容，得到修正后回评文本；
向目标用户返回所述修正后回评文本。
4.根据权利要求1所述的方法，其特征在于，所述方法应用于电商场景，所述电商场景包括以下至少之一：
电视购物中的电商营销场景、互联网购物中的电商营销场景。
5.一种回评文本的生成装置，其特征在于，包括：
构建单元，用于基于预设语料集构建回评模型，其中，所述预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本；
接收单元，用于接收用户当前评论文本；
生成单元，用于使用所述回评模型生成与所述用户当前评论文本对应的回评文本；
其中，所述构建单元包括：预处理模块，用于对所述预设语料集进行预处理，通过商品属性信息在所述用户历史评论文本与所述商家历史回评文本之间建立关联关系，得到待训练语料；构建模块，用于采用所述待训练语料构建所述回评模型；
其中，所述构建模块包括：第一编码子模块，用于将所述用户历史评论文本中的每个词向量编码为对应时间步骤的第一隐含状态，得到第一编码结果；第二编码子模块，用于将所述商品描述信息文本中的每个键值对所对应的词向量编码为对应时间步骤的第二隐含状态，得到第二编码结果；获取子模块，用于依据所述第一编码结果，所述第二编码结果以及获取到的第三隐含状态，获取每个生成步骤对应的词向量，构建所述回评模型，其中，所述第三隐含状态是与每个生成步骤的前一步骤通过预测得到的词向量相对应的隐含状态；
其中，所述获取子模块包括：第一生成子模块，用于基于每个生成步骤的第三隐含状态和对应时间步骤的第一隐含状态，生成用户历史评论文本向量；第二生成子模块，用于基于每个生成步骤的第三隐含状态，对应时间步骤的第二隐含状态以及所述用户历史评论文本向量，生成商品描述信息文本向量；融合子模块，用于将所述用户历史评论文本向量和所述商品描述信息文本向量融合成中间向量；第三生成子模块，用于基于每个生成步骤的第三隐含状态和所述中间向量生成每个生成步骤对应的词向量。
6.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至4中任意一项所述的回评文本的生成方法。
7.一种回评文本的生成***，其特征在于，包括：
处理器；以及
存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：
步骤1，基于预设语料集构建回评模型，其中，所述预设语料集包括以下至少一种：用户历史评论文本、商家历史回评文本、商品描述信息文本；
步骤2，接收用户当前评论文本；
步骤3，使用所述回评模型生成与所述用户当前评论文本对应的回评文本；
其中，基于所述预设语料集构建回评模型包括：
对所述预设语料集进行预处理，通过商品属性信息在所述用户历史评论文本与所述商家历史回评文本之间建立关联关系，得到待训练语料；采用所述待训练语料构建所述回评模型；
其中，采用所述待训练语料构建所述回评模型包括：
将所述用户历史评论文本中的每个词向量编码为对应时间步骤的第一隐含状态，得到第一编码结果；将所述商品描述信息文本中的每个键值对所对应的词向量编码为对应时间步骤的第二隐含状态，得到第二编码结果；依据所述第一编码结果，所述第二编码结果以及获取到的第三隐含状态，获取每个生成步骤对应的词向量，构建所述回评模型，其中，所述第三隐含状态是与每个生成步骤的前一步骤通过预测得到的词向量相对应的隐含状态；
其中，依据所述第一编码结果，所述第二编码结果以及所述第三隐含状态，获取每个生成步骤对应的词向量包括：
基于每个生成步骤的第三隐含状态和对应时间步骤的第一隐含状态，生成用户历史评论文本向量；基于每个生成步骤的第三隐含状态，对应时间步骤的第二隐含状态以及所述用户历史评论文本向量，生成商品描述信息文本向量；将所述用户历史评论文本向量和所述商品描述信息文本向量融合成中间向量；基于每个生成步骤的第三隐含状态和所述中间向量生成每个生成步骤对应的词向量。
CN201811474376.0A 2018-12-04 2018-12-04 回评文本的生成方法、装置及*** Active CN111353024B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811474376.0A CN111353024B (zh) 2018-12-04 2018-12-04 回评文本的生成方法、装置及***
PCT/CN2019/121853 WO2020114324A1 (zh) 2018-12-04 2019-11-29 回评文本的生成方法、装置及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811474376.0A CN111353024B (zh) 2018-12-04 2018-12-04 回评文本的生成方法、装置及***

Publications (2)

Publication Number Publication Date
CN111353024A CN111353024A (zh) 2020-06-30
CN111353024B true CN111353024B (zh) 2023-04-18

Family

ID=70975197

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811474376.0A Active CN111353024B (zh) 2018-12-04 2018-12-04 回评文本的生成方法、装置及***

Country Status (2)

Country Link
CN (1) CN111353024B (zh)
WO (1) WO2020114324A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111914566A (zh) * 2020-07-30 2020-11-10 混沌时代(北京)教育科技有限公司 一种评论自动生成方法
CN113744012A (zh) * 2020-08-10 2021-12-03 北京沃东天骏信息技术有限公司 一种信息处理方法、装置和存储介质
CN112507112B (zh) * 2020-12-07 2023-07-25 中国平安人寿保险股份有限公司 评论生成的方法、装置、设备及存储介质
CN113313510A (zh) * 2021-04-25 2021-08-27 北京搜狗科技发展有限公司 一种数据处理方法、装置和介质
CN113627525B (zh) * 2021-08-10 2024-06-18 工银科技有限公司 特征提取模型的训练方法、医保风险识别方法及装置
CN114840658B (zh) * 2022-07-06 2023-03-31 浙江口碑网络技术有限公司 评价回复方法、电子设备及计算机存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102789449A (zh) * 2011-05-20 2012-11-21 日电（中国）有限公司 对评论文本进行评价的方法和装置
CN105847116A (zh) * 2016-03-28 2016-08-10 乐视控股（北京）有限公司 一种评论回复信息的处理方法及装置
CN106294373A (zh) * 2015-05-15 2017-01-04 阿里巴巴集团控股有限公司 评论信息回复方法及装置
CN108228794A (zh) * 2017-12-29 2018-06-29 三角兽（北京）科技有限公司 信息管理装置、信息处理装置及自动回复/评论方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810170B (zh) * 2012-11-06 2018-04-27 腾讯科技（深圳）有限公司 交流平台文本分类方法及装置
CN104951542A (zh) * 2015-06-19 2015-09-30 百度在线网络技术（北京）有限公司 识别社交短文本类别的方法、分类模型训练方法及装置
CN106649345A (zh) * 2015-10-30 2017-05-10 微软技术许可有限责任公司 用于新闻的自动会话创建器
CN107040450B (zh) * 2016-07-20 2018-06-01 平安科技（深圳）有限公司 自动回复方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102789449A (zh) * 2011-05-20 2012-11-21 日电（中国）有限公司 对评论文本进行评价的方法和装置
CN106294373A (zh) * 2015-05-15 2017-01-04 阿里巴巴集团控股有限公司 评论信息回复方法及装置
CN105847116A (zh) * 2016-03-28 2016-08-10 乐视控股（北京）有限公司 一种评论回复信息的处理方法及装置
CN108228794A (zh) * 2017-12-29 2018-06-29 三角兽（北京）科技有限公司 信息管理装置、信息处理装置及自动回复/评论方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李学明 ; 张朝阳 ; 佘维军 ; .基于用户回复内容观点支持度的评论有用性计算.计算机应用.(第10期),2767-2776. *

Also Published As

Publication number Publication date
CN111353024A (zh) 2020-06-30
WO2020114324A1 (zh) 2020-06-11

Similar Documents

Publication Publication Date Title
CN111353024B (zh) 回评文本的生成方法、装置及***
CN105607756B (zh) 信息推荐方法和装置
Shankar et al. Mobile shopper marketing: Key issues, current insights, and future research avenues
CN104769627B (zh) 用于对端辅助购物的方法和装置
KR102206000B1 (ko) 최적화된 항목 속성 비교
JP6619801B2 (ja) ファシリテーションクロスオーダのためのシステム及び方法
AU2019203081A1 (en) Techniques for facilitating electronic trading
US20150120386A1 (en) System and method for identifying purchase intent
US20120265635A1 (en) Social network recommendation polling
WO2016044608A1 (en) System and method for a semi-lit market
US20150341304A1 (en) Personalized sharing at the user level
WO2019074909A1 (en) PLATFORM FOR CREATING BEAUTY PRODUCTS
KR20230138237A (ko) 해시태그를 이용한 sns 기반 리커머스 플랫폼의 운영 방법 및 시스템
CN115358554A (zh) 一种用于算力网络的需求方案推荐方法和装置
JP6959044B2 (ja) 記録サーバ、記録方法及びプログラム
Delawari Online-business in Afghanistan, current trend and challenges ahead: A conceptual study
CN111523914B (zh) 用户满意度的评测方法、装置、***和数据显示平台
US11227300B2 (en) Computer-network-based referral service functions and user interfaces
KR20190097615A (ko) 디자인 관련 데이터를 이용하여 제조 수량을 결정하는 장치 및 방법
KR102176108B1 (ko) 전문 중개인을 통한 차등 수수료 지급 시스템 및 그 방법
US20240119481A1 (en) Collaboration management system and method
CN115587238A (zh) 一种产品品牌营销大数据服务方法
Laesser et al. Tourism in the new economy
Choi et al. Success factors for luxury e-commerce: Burberry’s digital innovation process
Barry et al. Factors affecting the intention to use mobile commerce in Malaysia: An integration of TAM And IS success model

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
GR01 Patent grant
GR01 Patent grant