[發(fā)明專利]一種電商服務(wù)問題自動(dòng)發(fā)現(xiàn)系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810371912.8
• 申請(qǐng)日: 2018-04-24
• 公開（公告）號(hào): CN108596637B
• 公開（公告）日: 2022-05-06
• 發(fā)明（設(shè)計(jì)）人: 趙吉昌;王珊珊;孫孟晗
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G06Q30/00
• 分類號(hào): G06Q30/00;G06Q30/06;G06Q30/02;G06F40/279
• 代理公司: 北京中創(chuàng)陽光知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11003
• 代理人: 尹振啟

1.一種電商服務(wù)問題自動(dòng)發(fā)現(xiàn)系統(tǒng)，其特征在于包括：特征詞提取模塊、文本分類模塊、一級(jí)屬性發(fā)現(xiàn)模塊和二級(jí)屬性提取模塊；

所述特征詞提取模塊，完成對(duì)文本中出現(xiàn)的有意義詞的提取：對(duì)已經(jīng)標(biāo)記的典型文本進(jìn)行分詞并去除停用詞之后，根據(jù)詞語出現(xiàn)頻次排序，得到特征詞；

所述文本分類模塊，完成對(duì)單條文本的初步分類：利用邏輯回歸分類器對(duì)有關(guān)電商服務(wù)問題的文本進(jìn)行分類，分類結(jié)果分為物流、產(chǎn)品、售后、營(yíng)銷四類；

所述一級(jí)屬性發(fā)現(xiàn)模塊，完成基于詞性的電商服務(wù)問題一級(jí)屬性關(guān)鍵詞的確定，為二級(jí)屬性的自動(dòng)發(fā)現(xiàn)提供數(shù)據(jù)基礎(chǔ)；

所述二級(jí)屬性提取模塊，實(shí)現(xiàn)電商服務(wù)問題二級(jí)屬性的自動(dòng)發(fā)現(xiàn)；利用文本建立word2vec模型和嶺回歸分類模型對(duì)情感字典進(jìn)行擴(kuò)充；利用滑動(dòng)窗口法建立二級(jí)屬性備選集合；基于情緒詞典對(duì)二級(jí)屬性統(tǒng)計(jì)與排序，并進(jìn)行統(tǒng)計(jì)；

所述文本分類模塊中使用所述邏輯回歸分類器對(duì)有關(guān)電商服務(wù)問題的文本進(jìn)行分類的具體實(shí)現(xiàn)過程為：

步驟1a，手工標(biāo)記部分典型的文本，分為物流、產(chǎn)品、售后、營(yíng)銷四類，作為該文本的類別標(biāo)注；

步驟1b，將特征詞提取模塊得到的特征詞，作為特征集；

步驟1c，從電商網(wǎng)站的商品評(píng)論獲取的有關(guān)電商服務(wù)問題的文本數(shù)據(jù)中去掉重復(fù)和無效的數(shù)據(jù)，作為訓(xùn)練數(shù)據(jù)；

步驟1d，利用特征集將已標(biāo)注的數(shù)據(jù)、訓(xùn)練數(shù)據(jù)轉(zhuǎn)為向量，并以此訓(xùn)練邏輯回歸分類器；

步驟1e，使用所訓(xùn)練的邏輯回歸分類器對(duì)文本進(jìn)行分類。

2.根據(jù)權(quán)利要求1所述的一種電商服務(wù)問題自動(dòng)發(fā)現(xiàn)系統(tǒng)，其特征在于：所述特征詞提取模塊的具體實(shí)現(xiàn)過程為：

步驟2a，對(duì)已標(biāo)注的文本進(jìn)行分詞；

步驟2b，去除其中的停用詞；

步驟2c，按詞語出現(xiàn)頻次統(tǒng)計(jì)得到所有的特征詞。

3.根據(jù)權(quán)利要求1所述的一種電商服務(wù)問題自動(dòng)發(fā)現(xiàn)系統(tǒng)，其特征在于：所述基于詞性的一級(jí)屬性發(fā)現(xiàn)模塊中基于詞性的問題一級(jí)屬性關(guān)鍵詞確定，具體實(shí)現(xiàn)為：

對(duì)不同類別相關(guān)文本進(jìn)行分詞處理，所述類別包括物流、產(chǎn)品、售后、營(yíng)銷，過濾停用詞，篩選其中詞性為名詞的詞語，統(tǒng)計(jì)頻次并按照降序排序，作為關(guān)鍵詞集合，由此得到不同類別商品問題的一級(jí)屬性及其對(duì)應(yīng)關(guān)鍵詞。

4.根據(jù)權(quán)利要求1所述的一種電商服務(wù)問題自動(dòng)發(fā)現(xiàn)系統(tǒng)，其特征在于：所述二級(jí)屬性提取模塊中利用文本建立word2vec模型和嶺回歸分類模型對(duì)情感字典進(jìn)行擴(kuò)充，具體實(shí)現(xiàn)為：

步驟4a，利用典型文本訓(xùn)練word2vec模型；

步驟4b，從外部獲取情感字典，包括HowNet、NTUSD，并將已有情感字典作為種子詞；

步驟4c，建立嶺回歸分類模型對(duì)情感字典進(jìn)行擴(kuò)充。

5.根據(jù)權(quán)利要求1所述的一種電商服務(wù)問題自動(dòng)發(fā)現(xiàn)系統(tǒng)，其特征在于：所述二級(jí)屬性提取模塊中二級(jí)屬性備選集合的建立，具體實(shí)現(xiàn)為：

步驟5a，將文本分類模塊獲得的不同類別相關(guān)文本下屬的一級(jí)屬性關(guān)鍵詞作為二級(jí)屬性備選集合建立模塊的輸入；

步驟5b，將所輸入的一級(jí)屬性關(guān)鍵詞所對(duì)應(yīng)的文本類別進(jìn)行分詞處理，并過濾停用詞，每條文本生成一個(gè)分詞列表；

步驟5c，使用滑動(dòng)窗口方法，取窗口長(zhǎng)度為2，遍歷步驟5b中生成的本文本分詞列表，若窗口中包含所輸入關(guān)鍵詞，進(jìn)一步判斷窗口內(nèi)除關(guān)鍵詞外的詞語的情感傾向，過濾積極情感詞，建立詞組組成的二級(jí)屬性備選集合。

6.根據(jù)權(quán)利要求1所述的一種電商服務(wù)問題自動(dòng)發(fā)現(xiàn)系統(tǒng)，其特征在于：所述二級(jí)屬性提取模塊中基于情緒詞典對(duì)二級(jí)屬性統(tǒng)計(jì)與排序時(shí)，設(shè)定文本長(zhǎng)度和語義密度閾值，進(jìn)行判斷后進(jìn)行相應(yīng)處理，當(dāng)文本長(zhǎng)度長(zhǎng)，且語義密度大時(shí)，則使用文本情感傾向度統(tǒng)計(jì)方法，當(dāng)反之文本長(zhǎng)度短，且語義密度低時(shí)，則使用情緒詞典區(qū)分情感詞統(tǒng)計(jì)方法。

7.根據(jù)權(quán)利要求6所述的一種電商服務(wù)問題自動(dòng)發(fā)現(xiàn)系統(tǒng)，其特征在于：所述二級(jí)屬性提取模塊中文本情感傾向度統(tǒng)計(jì)方法，首先進(jìn)行基于擴(kuò)充后的情緒詞典的文本情緒傾向標(biāo)記；隨后基于文本負(fù)面情感傾向度對(duì)二級(jí)屬性的排序與提取。