[發(fā)明專利]一種評論質(zhì)量的判斷方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010598285.9
• 申請日: 2020-06-28
• 公開（公告）號: CN111861546A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計）人: 張燦;牟奇;孟繁成
• 申請（專利權(quán)）人: 浪潮（北京）電子信息產(chǎn)業(yè)有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F16/35;G06F40/30;G06N3/04
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 郄晨芳

本申請公開了一種評論質(zhì)量的判斷方法，通過先根據(jù)樣本評論數(shù)據(jù)的用戶信息、評論詞和評論信息設(shè)置出樣本評論網(wǎng)絡(luò)圖，并利用圖神經(jīng)網(wǎng)絡(luò)和樣本評論網(wǎng)絡(luò)圖訓(xùn)練出評論判斷模型；然后在獲取待測評論數(shù)據(jù)后，根據(jù)待測評論數(shù)據(jù)設(shè)置出對應(yīng)的待測評論網(wǎng)絡(luò)圖；再將待測評論網(wǎng)絡(luò)圖輸入至評論判斷模型中，利用評論判斷模型輸出對待測評論數(shù)據(jù)的判斷結(jié)果。本方法中的評論判斷模型能夠考慮待測評論數(shù)據(jù)中用戶信息、評論詞以及評論信息之間的關(guān)聯(lián)關(guān)系，并且避免了訓(xùn)練出的評論判斷模型的主觀性，從而能夠提高對待測評論數(shù)據(jù)進行質(zhì)量判斷的準(zhǔn)確度。本申請還公開了一種評論質(zhì)量的判斷裝置、設(shè)備及計算機可讀存儲介質(zhì)，均具有上述有益效果。

技術(shù)領(lǐng)域

本發(fā)明涉及質(zhì)量判斷領(lǐng)域，特別涉及一種評論質(zhì)量的判斷方法、裝置、設(shè)備及計算機可讀存儲介質(zhì)。

背景技術(shù)

目前，用戶在選擇某個商品或者某項服務(wù)時，可以通過查看其它用戶對該商品/服務(wù)的評價作為選擇的參考信息。例如，通過快速瀏覽圖書網(wǎng)站的用戶評論，讀者可以直觀獲取圖書閱讀建議，確定書籍是否滿足自己的閱讀需求。但由于網(wǎng)站用戶量和評論量不斷增加，評論數(shù)據(jù)呈指數(shù)型增長，人們很難在海量評論中快速發(fā)現(xiàn)有用信息。

因此，現(xiàn)有技術(shù)提供了一種對評論數(shù)據(jù)進行質(zhì)量判斷的方法，通過提取出用于判斷評論質(zhì)量的特征指標(biāo)，特征指標(biāo)包括用戶特征、評論內(nèi)容、對圖書的數(shù)值打分等信息；再根據(jù)特征指標(biāo)對應(yīng)的信息獲取樣本評論數(shù)據(jù)中的樣本信息，再通過有監(jiān)督的機器學(xué)習(xí)方法如SVM、邏輯回歸方法等對樣本信息進行學(xué)習(xí)訓(xùn)練，得出評論判斷模型，以便根據(jù)評論判斷模型對所述待測評論數(shù)據(jù)進行評論質(zhì)量的分類及預(yù)測。但是，現(xiàn)有技術(shù)的方法，一方面僅僅根據(jù)特征指標(biāo)對應(yīng)的信息進行判斷，使得判斷的依據(jù)比較片面，從而導(dǎo)致對待測評論數(shù)據(jù)進行質(zhì)量判斷的判斷結(jié)果不夠準(zhǔn)確；另一方面，特征指標(biāo)是用戶根據(jù)自己的主觀意識設(shè)置的，即評論判斷模型具有很大的主觀性，同樣使得判斷結(jié)果不夠準(zhǔn)確。

因此，如何提高對評論數(shù)據(jù)的質(zhì)量判斷的準(zhǔn)確度，是本領(lǐng)域技術(shù)人員目前需要解決的技術(shù)問題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種評論質(zhì)量的判斷方法，能夠提高對評論數(shù)據(jù)的質(zhì)量判斷的準(zhǔn)確度；本發(fā)明的另一目的是提供一種評論質(zhì)量的判斷裝置、設(shè)備及計算機可讀存儲介質(zhì)，均具有上述有益效果。

為解決上述技術(shù)問題，本發(fā)明提供一種評論質(zhì)量的判斷方法，包括：

根據(jù)樣本評論數(shù)據(jù)的用戶信息、評論詞和評論信息設(shè)置出樣本評論網(wǎng)絡(luò)圖，并利用圖神經(jīng)網(wǎng)絡(luò)和所述樣本評論網(wǎng)絡(luò)圖訓(xùn)練出評論判斷模型；

獲取待測評論數(shù)據(jù)，并根據(jù)所述待測評論數(shù)據(jù)設(shè)置出對應(yīng)的待測評論網(wǎng)絡(luò)圖；

將所述待測評論網(wǎng)絡(luò)圖輸入至所述評論判斷模型中，利用所述評論判斷模型輸出對所述待測評論數(shù)據(jù)的判斷結(jié)果。

優(yōu)選地，所述根據(jù)樣本評論數(shù)據(jù)的用戶信息、評論詞和評論信息設(shè)置出樣本評論網(wǎng)絡(luò)圖，并利用圖神經(jīng)網(wǎng)絡(luò)和所述樣本評論網(wǎng)絡(luò)圖訓(xùn)練出評論判斷模型的過程，具體包括：

根據(jù)所述樣本評論數(shù)據(jù)的所述用戶信息、所述評論詞和所述評論信息設(shè)置出所述樣本評論網(wǎng)絡(luò)圖；

將所述樣本評論網(wǎng)絡(luò)圖輸入至所述圖神經(jīng)網(wǎng)絡(luò)中，獲取與所述樣本評論網(wǎng)絡(luò)圖對應(yīng)的樣本網(wǎng)絡(luò)特征；

將所述樣本網(wǎng)絡(luò)特征輸入至全連接層和softmax網(wǎng)絡(luò)中進行訓(xùn)練，得出所述評論判斷模型。

優(yōu)選地，進一步包括：

當(dāng)所述樣本評論網(wǎng)絡(luò)圖的節(jié)點為與所述評論信息對應(yīng)的評論節(jié)點和與所述評論詞對應(yīng)的詞節(jié)點時，計算出所述評論節(jié)點和所述詞節(jié)點之間的權(quán)重；

根據(jù)所述權(quán)重設(shè)置所述評論節(jié)點和所述詞節(jié)點之間的邊。

優(yōu)選地，進一步包括：