[發明專利]評論信息排序方法、裝置、存儲介質及服務器

在審

• 申請號: 202010093459.6
• 申請日: 2020-02-14
• 公開（公告）號: CN111310079A
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 周宇超;康斌;王皓;劉智靜;黃義棚
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9538
• 分類號: G06F16/9538
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 汪阮磊

1.一種評論信息排序方法，其特征在于，包括：

獲取已發表內容的多條評論信息、以及每條所述評論信息的用戶互動信息，所述評論信息包括評論內容和評論時間；

根據所述評論信息、所述用戶互動信息和所述已發表內容確定每條所述評論信息的熱度值；

根據所述評論時間確定每條所述評論信息的時間衰減值；

根據所述熱度值和時間衰減值對所述多條評論信息進行排序。

2.根據權利要求1所述的評論信息排序方法，其特征在于，所述根據所述評論信息、所述用戶互動信息和所述已發表內容確定每條所述評論信息的熱度值，包括：

根據所述評論內容和所述已發表內容確定每條所述評論信息的內容特征；

根據所述用戶互動信息確定每條所述評論信息的互動特征；

根據所述互動特征和所述內容特征確定每條所述評論信息的熱度值。

3.根據權利要求2所述的評論信息排序方法，其特征在于，所述根據所述評論內容和所述已發表內容確定每條所述評論信息的內容特征，包括：

確定每條所述評論內容和所述已發表內容之間的相關度；

確定每條所述評論內容中的實體詞數量、以及每條所述評論內容的字符長度；

將所述相關度、所述實體詞數量和所述字符長度作為對應評論信息的內容特征。

4.根據權利要求3所述的評論信息排序方法，其特征在于，所述確定每條所述評論內容和所述已發表內容之間的相關度，包括：

基于預設的主題模型確定每條所述評論內容對應的第一主題向量、以及所述已發表內容對應的第二主題向量；

確定所述第二主題向量和每個所述第一主題向量之間的分布距離，以得到對應評論內容和所述已發表內容之間的相關度。

5.根據權利要求2所述的評論信息排序方法，其特征在于，所述用戶互動信息包括對所述評論信息的點贊次數、以及由所述評論信息引出的回復次數和點贊次數，所述根據所述用戶互動信息確定每條所述評論信息的互動特征，包括：

根據所述由所述評論信息引出的回復次數確定所述評論信息的評論樹復雜度；

根據所述由所述評論信息引出的點贊次數確定所述評論信息的評論樹點贊次數；

將所述對所述評論信息的點贊次數、所述評論樹復雜度和所述評論樹點贊次數作為對應評論信息的互動特征。

6.根據權利要求2所述的評論信息排序方法，其特征在于，所述評論信息還包括評論用戶，在根據所述互動特征和所述內容特征確定每條所述評論信息的熱度值之前，還包括：

確定網絡用戶集中每個網絡用戶相對其他網絡用戶的歷史互動信息，所述網絡用戶集中包括所述評論用戶；

根據所述歷史互動信息確定每個所述評論用戶的用戶特征；

所述根據所述互動特征和所述內容特征確定每條所述評論信息的熱度值，包括：根據所述用戶特征、所述互動特征和所述內容特征確定每條所述評論信息的熱度值。

7.根據權利要求6所述的評論信息排序方法，其特征在于，所述根據所述用戶特征、所述互動特征和所述內容特征確定每條所述評論信息的熱度值，包括：

對所述用戶特征、所述互動特征和所述內容特征分別進行對數化處理；

利用極小極大值法，對對數化處理后的所述用戶特征、所述互動特征和所述內容特征進行歸一化處理，得到歸一化數值；

根據預設加權值，對每條所述評論信息對應的歸一化數值進行加權求和處理，得到對應熱度值。

8.根據權利要求6所述的評論信息排序方法，其特征在于，所述歷史互動信息包括歷史總點贊次數，所述根據所述歷史互動信息確定每個所述評論用戶的用戶特征，包括：

對每個所述網絡用戶對應的歷史總點贊次數進行累加，得到網絡總點贊次數；

根據每個所述網絡用戶對應的歷史總點贊次數，對所述網絡用戶進行排序；

根據所述網絡總點贊次數和排序后的所述網絡用戶，確定每個所述評論用戶所屬的用戶等級；

根據每個所述評論用戶所屬的用戶等級，確定對應的點贊權重值，并將所述點贊權重值作為用戶特征。