[发明专利]应用程序的价值观计算方法及装置

权利要求书

1.一种应用程序的价值观计算方法，其特征在于：包括以下步骤，

S10、从应用程序网站中获取应用程序的描述信息和用户的评论信息；

S20、通过关键词提取算法，分别从描述信息和评论信息中提取关键词；

S30、使用词嵌入Word2vec模型，分别将关键词及预设的价值观词汇转化为带有语义特征的词向量，再通过余弦相似度计算关键词与价值观词汇之间的相似度，构建关键词和价值观词汇的相似度矩阵；

S40、根据关键词和价值观词汇的相似度矩阵，通过朴素贝叶斯算法计算出应用程序的价值观的概率，并将应用程序的价值观的概率缩放为价值观分数；

步骤S30具体包括，

S31、将价值观列表L_t中的每个价值观词汇V_i^(t)∈L_t，通过Word2Vec模型将词汇V_i^(t)映射为长度为N的词向量

S32、将关键词列表中的每个价值观词汇K_j∈W，通过Word2Vec模型将词汇K_j映射为长度为N的词向量B_j，j＝1，2，...，m；

S33、通过余弦相似度公式：计算和B_j的相似度

S34、根据和B_j的相似度构建价值观列表L_t和关键词列表W的相似度矩阵M^(t)，矩阵形状为n×m，其中，

2.如权利要求1所述的应用程序的价值观计算方法，其特征在于：所述步骤S20具体包括，

使用TextRank算法，将描述信息中的文本分割成句子后进行词性标注，并构建候选关键词图,利用投票机制对关键词图内的候选关键词进行排序，以获取关键词；

使用文档主题生成模型LDA，对每条评论信息进行词汇分割后，将异常字符及停用词过滤，计算在一个主题中词汇的概率分布以及词汇的映射表，并将词汇的概率分布进行倒序排序，以获取关键词。

3.如权利要求2所述的应用程序的价值观计算方法，其特征在于：所述使用TextRank算法，将描述信息中的文本分割成句子后进行词性标注，并构建候选关键词图,利用投票机制对关键词图内的候选关键词进行排序，以获取关键词；具体包括以下具体步骤，

S21、将描述信息中的文本按照完整句子进行分割；

S22、对每个句子进行分词和词性标注，保留指定词性的词汇，作为候选关键词；

S23、构建关键词图G＝(V,E)，其中，V为节点集，由候选关键词组成；E是边集合，是V×V的子集，采用共现关系构造任两节点之间的边；

S24、根据公式：迭代传播个节点的权重，直至收敛；其中，V_i为集合点，w_ji为图中任两点V_i，V_j之间边的权重，d为阻尼系数，取值范围为0到1；对于一个给定的点V_i，In(V_i)为指向该点的点集合，Out(V_i)为点V_i指向的点集合；

S25、对节点的权重进行倒序排序，从而得到若干个关键词。

4.如权利要求2所述的应用程序的价值观计算方法，其特征在于：使用文档主题生成模型LDA，对每条评论信息进行词汇分割后，将异常字符及停用词过滤，计算在一个主题中词汇的概率分布以及词汇的映射表，并将词汇的概率分布进行倒序排序，以获取关键词，具体包括，

S26、对每条评论信息进行词汇分割，并过滤异常字符及停用词，得到候选关键词；

S27、将文档主题生成模型LDA的主题数量K设置为1，设置超参数α和β，其中，α表示主题分布θ的先验分布参数，β表示词分布Φ的先验分布参数；

S28、基于LDA模型，计算得出主题K下的词概率分布Φ以及词汇的id映射表；

S29、将主题K下的词概率分布Φ进行倒序排序，从而得到若干个关键词。