[发明专利]基于用户评论的画像生成方法、装置、介质及设备在审

专利信息
申请号: 202011092617.2 申请日: 2020-10-13
公开(公告)号: CN112215014A 公开(公告)日: 2021-01-12
发明(设计)人: 黄乐树 申请(专利权)人: 平安国际智慧城市科技股份有限公司
主分类号: G06F40/35 分类号: G06F40/35;G06F40/289;G06F16/27
代理公司: 深圳市明日今典知识产权代理事务所(普通合伙) 44343 代理人: 王杰辉;曹勇
地址: 518000 广东省深圳市前海深港合*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 用户 评论 画像 生成 方法 装置 介质 设备
【权利要求书】:

1.一种基于用户评论的画像生成方法,其特征在于,所述方法包括:

获取目标用户评论数据,所述目标用户评论数据是基于同一被评论对象的用户评论得到的数据,其中,所述目标用户评论数据存储在区块链中;

对所述目标用户评论数据进行语义分析,得到语义分析结果;

对所述目标用户评论数据进行情感分析,得到情感分析结果;

根据所述语义分析结果和所述情感分析结果,生成目标画像,其中,所述目标画像存储在区块链中。

2.根据权利要求1所述的基于用户评论的画像生成方法,其特征在于,所述获取目标用户评论数据,所述目标用户评论数据是基于同一被评论对象的用户评论得到的数据,其中,所述目标用户评论数据存储在区块链中的步骤,包括:

获取待分析用户评论数据,所述待分析用户评论数据是同一被评论对象的用户评论;

对所述待分析用户评论数据进行预处理,得到所述目标用户评论数据。

3.根据权利要求2所述的基于用户评论的画像生成方法,其特征在于,所述对所述待分析用户评论数据进行预处理,得到所述目标用户评论数据的步骤,包括:

对所述待分析用户评论数据进行无效数据识别及删除处理,得到去除无效数据后的用户评论;

对所述去除无效数据后的用户评论进行特殊含义数据识别及转换,得到特殊含义转换后的用户评论;

对所述特殊含义转换后的用户评论进行冗余及缺失处理,得到清洗后的用户评论;

对所述清洗后的用户评论进行文本纠错,得到所述目标用户评论数据。

4.根据权利要求1所述的基于用户评论的画像生成方法,其特征在于,所述对所述目标用户评论数据进行语义分析,得到语义分析结果的步骤,包括:

对所述目标用户评论数据进行分词,得到分词数据;

对所述分词数据进行语义分析,得到所述语义分析结果。

5.根据权利要求4所述的基于用户评论的画像生成方法,其特征在于,所述对所述目标用户评论数据进行分词,得到分词数据的步骤,包括:

将所述目标用户评论数据的每个句子作为待拆分数据;

对所述待拆分数据进行拆分得到拆分结果;

将所述拆分结果在词典库中进行查找,当所述拆分结果在所述词典库中时将所述拆分结果作为分词结果,否则将所述拆分结果作为所述待拆分数据,执行所述对所述待拆分数据进行拆分得到拆分结果的步骤;

将所有所述分词结果作为所述分词数据。

6.根据权利要求1所述的基于用户评论的画像生成方法,其特征在于,所述根据所述语义分析结果和所述情感分析结果,生成目标画像,其中,所述目标画像存储在区块链中的步骤,包括:

对所述语义分析结果进行特征选择,得到第一特征数据;

对所述情感分析结果进行特征选择,得到第二特征数据;

根据所述第一特征数据和所述第二特征数据进行分类标注,得到所述标注结果;

将所述标注结果输入画像模型进行画像,得到所述目标画像,所述画像模型是基于指针生成网络训练得到的模型。

7.根据权利要求1所述的基于用户评论的画像生成方法,其特征在于,所述对所述目标用户评论数据进行情感分析,得到情感分析结果的步骤,包括:

对所述目标用户评论数据进行情感词提取,得到情感词集合;

根据情感词集合进行情感倾向提取,得到所述情感分析结果。

8.一种基于用户评论的画像生成装置,其特征在于,所述装置包括:

用户评论获取模块,用于获取目标用户评论数据,所述目标用户评论数据是基于同一被评论对象的用户评论得到的数据,其中,所述目标用户评论数据存储在区块链中;

语义分析模块,用于对所述目标用户评论数据进行语义分析,得到语义分析结果;

情感分析模块,用于对所述目标用户评论数据进行情感分析,得到情感分析结果;

画像模块,用于根据所述语义分析结果和所述情感分析结果,生成目标画像,其中,所述目标画像存储在区块链中。

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平安国际智慧城市科技股份有限公司,未经平安国际智慧城市科技股份有限公司许可,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/202011092617.2/1.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