[发明专利]一种基于主观情感测度的电商产品可靠性指标及其实现方法

摘要

本发明提供一种基于主观情感测度的电商产品可靠性指标及其实现方法，步骤如下：一、对网络平台商品评论内容、评论日期、买家信用分进行数据爬取；二、对爬取的评论内容数据进行情感值计算，即针对某条评论的用词判断其正负面概率，取正面概率为情感值；三、结合其他爬取的数据对某条评论的进行权值计算，判断有效概率；四、结合二三两步，计算评论情感值的加权平均，得到商品的最终可靠度评价指标。本发明从电商平台的商品评价内容、用户等级、交易时间等数据入手，通过神经网络对数据进行处理，从而有效地对电商产品的可靠性进行量化和评价。

主权项

1.基于主观情感测度的电商产品可靠性指标及其实现方法，其特征在于：其步骤如下：步骤一、使用网络爬虫框架Scrapy和浏览器引擎PhantomJS对网络平台商品评论的内容、评论日期、用户等级和评论数量诸信息进行数据爬取；步骤二、对爬取的评论内容数据使用神经网络进行情感值计算，即针对评论的用词判断其正负面概率，取正面概率为情感值；整个流程为：①输入句子②分词③词ID④词向量⑤LSTM层⑥全连接层⑦输出正面、负面概率，取正面概率为情感值；其中，分词步骤是将评论的语句拆分成一个个词语，例如：将“这件商品非常实用！”拆分成“这/件/商品/非常/实用”五个词语；词ID是为每一个分出来的词语建立专属的识别方式；词向量则是将每一个拥有词ID的词语也就是自然语言中的字词，转为计算机能理解的稠密向量；进而通过RNN模型,包括LSTM层和全连接层,检测正负面评论，最终输出情感值；其中输入的词ID序列长度被截取及填充到64个词，嵌入层有128个单元，LSTM层有128个单元，后跟保持概率为0.8的dropout层，最后是2个单元的全连接层，激活函数为softmax，输出评论情感值S，越大说明评价越正面；步骤三、通过另一神经网络，结合其他爬取的数据如评论日期和买家信用对评论进行权值计算，判断该条评论是否有效和计算权重大小；构建一个三层神经网络，输入为归一化后的用户信用等级、评论长度、是否有图片、是否有追评和评论数量差分；隐藏层为32个神经元，带偏置，激活函数为tanh；输出层2个单元，激活函数为softmax，输出评论的有效概率U，越大说明评价越正面；步骤四、将有效概率与情感值结合，计算评论情感值的加权平均，得到商品的最终可靠度评价指标；设一商品第i条评论经由步骤二得出的情感值为Si，经由步骤三得出的有效概率为Ui，则该商品的可靠度R为各条评论的加权平均值：通过以上步骤，本发明从电商平台的商品评价内容、用户信息和交易时间数据入手，通过神经网络对数据进行处理，从而有效地对电商产品的可靠性进行量化和评价；本发明支持未来对各个电商平台商品可靠性的判断，能为消费者、生产厂家以及平台运营方提供十分有价值的参考。