[发明专利]用户评论价值的评估方法及装置在审

专利信息
申请号: 201810525054.8 申请日: 2018-05-28
公开(公告)号: CN108776864A 公开(公告)日: 2018-11-09
发明(设计)人: 陈岑 申请(专利权)人: 阿里巴巴集团控股有限公司
主分类号: G06Q10/06 分类号: G06Q10/06
代理公司: 北京亿腾知识产权代理事务所 11309 代理人: 陈霁;周良玉
地址: 英属开曼群岛大开*** 国省代码: 开曼群岛;KY
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用户评论 价值评估 评估 预测模型 神经网络 样本 预测
【权利要求书】:

1.一种用户评论价值的评估方法,其特征在于,包括:

获取待评估用户评论;

将所述待评估用户评论输入多任务预测模型,以预测所述待评估用户评论的有价值评估值和无价值评估值;所述多任务预测模型是根据多条具有对应的有价值评估值和无价值评估值的用户评论样本,对神经网络进行训练后得到的;

根据所述有价值评估值和无价值评估值,对所述待评估用户评论的价值进行评估。

2.根据权利要求1所述的方法,其特征在于,所述待评估用户评论的条数为多条,还包括:

根据各条待评估用户评论的价值的评估结果,对所述各条待评估用户评论进行排序。

3.根据权利要求1或2所述的方法,其特征在于,所述神经网络为卷积神经网络TextCNN。

4.根据权利要求1所述的方法,其特征在于,所述根据所述有价值评估值和无价值评估值,对所述待评估用户评论的价值进行评估,包括:

根据所述有价值评估值和所述无价值评估值,确定有价值评估值占比;

根据所述有价值评估值占比,对所述待评估用户评论的价值进行评估。

5.根据权利要求4所述的方法,其特征在于,所述根据所述有价值评估值和所述无价值评估值,确定有价值评估值占比,包括:

根据如下公式确定所述有价值评估值占比:

其中,C为所述有价值评估值占比,N0为所述有价值评估值,N1为所述无价值评估值,δ为常数。

6.根据权利要求1所述的方法,其特征在于,所述用户评论样本的有价值评估值是根据认为该用户评论样本有价值或者有信息量的用户的个数P确定的;所述用户评论样本的无价值评估值是根据认为该用户评论样本无价值的用户的个数Q确定的;或者,

所述用户评论样本的有价值评估值是根据P在总个数中的占比确定的;所述用户评论样本的无价值评估值是根据Q在总个数中的占比确定的;其中,所述总个数为P与Q之和,P,Q均为正整数。

7.一种用户评论价值的评估装置,其特征在于,包括:

获取单元,用于获取待评估用户评论;

输入单元,用于将所述获取单元获取的所述待评估用户评论输入多任务预测模型,以预测所述待评估用户评论的有价值评估值和无价值评估值;所述多任务预测模型是根据多条具有对应的有价值评估值和无价值评估值的用户评论样本,对神经网络进行训练后得到的;

评估单元,用于根据所述有价值评估值和所述无价值评估值,对所述待评估用户评论的价值进行评估。

8.根据权利要求7所述的装置,其特征在于,当所述待评估用户评论的条数为多条时,还包括:

排序单元,用于根据各条待评估用户评论的价值的评估结果,对所述各条待评估用户评论进行排序。

9.根据权利要求7或8所述的装置,其特征在于,所述神经网络为卷积神经网络TextCNN。

10.根据权利要求7所述的装置,其特征在于,所述评估单元具体用于:

根据所述有价值评估值和所述无价值评估值,确定有价值评估值占比;

根据所述有价值评估值占比,对所述待评估用户评论的价值进行评估。

11.根据权利要求10所述的装置,其特征在于,所述评估单元还具体用于:

根据如下公式确定所述有价值评估值占比:

其中,C为所述有价值评估值占比,N0为所述有价值评估值,N1为所述无价值评估值,δ为常数。

12.根据权利要求7所述的装置,其特征在于,所述用户评论样本的有价值评估值是根据认为该用户评论样本有价值或者有信息量的用户的个数P确定的;所述用户评论样本的无价值评估值是根据认为该用户评论样本无价值的用户的个数Q确定的;或者,

所述用户评论样本的有价值评估值是根据P在总个数中的占比确定的;所述用户评论样本的无价值评估值是根据Q在总个数中的占比确定的;其中,所述总个数为P与Q之和,P,Q均为正整数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810525054.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top