[發(fā)明專利]基于區(qū)塊鏈的電商分析方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011406667.3
• 申請(qǐng)日: 2020-12-04
• 公開（公告）號(hào): CN112651768A
• 公開（公告）日: 2021-04-13
• 發(fā)明（設(shè)計(jì)）人: 王治東;謝紹韞
• 申請(qǐng)（專利權(quán)）人: 蘇州黑云智能科技有限公司
• 主分類號(hào): G06Q30/02
• 分類號(hào): G06Q30/02;G06F21/64;G06F40/284;G06F16/31;G06F16/35;G06F16/36
• 代理公司: 蘇州市中南偉業(yè)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32257
• 代理人: 李艾

本發(fā)明公開了一種基于區(qū)塊鏈的電商分析方法及系統(tǒng)。本發(fā)明方法包括根據(jù)不同的用戶地理位置對(duì)產(chǎn)品評(píng)論進(jìn)行歸類，對(duì)不同地理位置下的產(chǎn)品評(píng)論預(yù)處理后分詞，使用TF?IDF模型得到關(guān)鍵字集，對(duì)關(guān)鍵字集進(jìn)行分類并進(jìn)行情感傾向的詞典匹配得到不同情感傾向的分類，通過LDA主題模型分析不同的情感傾向，并結(jié)合用戶所處的地理位置提出預(yù)防用戶流失的建議；將分類和相分析結(jié)果存儲(chǔ)在區(qū)塊鏈中，根據(jù)分類結(jié)果更新區(qū)塊鏈中的基礎(chǔ)詞庫。本發(fā)明系統(tǒng)包括網(wǎng)絡(luò)爬蟲模塊、分析模塊和區(qū)塊鏈存儲(chǔ)模塊。本發(fā)明通過增加用戶的地理分布和產(chǎn)品評(píng)論的分類，方便商戶對(duì)不同地理位置下的用戶進(jìn)行不同的銷售策略和售后服務(wù)；通過使用區(qū)塊鏈，提高數(shù)據(jù)存儲(chǔ)的安全性和私密性。

技術(shù)領(lǐng)域

本發(fā)明涉及電商技術(shù)領(lǐng)域，具體涉及一種基于區(qū)塊鏈的電商分析方法及系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)以及物流行業(yè)的不斷發(fā)展，網(wǎng)絡(luò)購物成為了大多數(shù)人的首選；同時(shí)，網(wǎng)民對(duì)信息發(fā)表的自由度很高，其傳播速度也是幾何倍數(shù)的增加。基于此，網(wǎng)購后的產(chǎn)品評(píng)論對(duì)于產(chǎn)品的品牌形象和口碑有很大影響，通過產(chǎn)品評(píng)論也可以了解用戶的需求和喜好，對(duì)這些信息進(jìn)行采集分析，可以優(yōu)化品牌服務(wù)、加快產(chǎn)品迭代、推測(cè)市場(chǎng)占比。但是，產(chǎn)品評(píng)論信息的數(shù)據(jù)量龐大，如何從中找出有用的信息非常困難。現(xiàn)有的各大電商平臺(tái)對(duì)商品評(píng)價(jià)信息的分析往往缺少產(chǎn)品評(píng)論分類和用戶地理分布分析的功能，沒有產(chǎn)品評(píng)論分類和用戶地理分布分析，無法對(duì)不同區(qū)域的用戶進(jìn)行不同的銷售策略和售后服務(wù)。同時(shí)，在數(shù)據(jù)存儲(chǔ)上，現(xiàn)有的安全性和私密性差，不能安全的存儲(chǔ)數(shù)據(jù)。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是提供一種可以提高數(shù)據(jù)存儲(chǔ)的安全性和私密性，并且可以對(duì)產(chǎn)品評(píng)論進(jìn)行分類和對(duì)用戶地理分布進(jìn)行分析的基于區(qū)塊鏈的電商分析方法及系統(tǒng)。

為解決上述技術(shù)問題，本發(fā)明提供了一種基于區(qū)塊鏈的電商分析方法，包括以下步驟：

步驟1：獲取產(chǎn)品評(píng)論信息和對(duì)應(yīng)的用戶地理位置信息，根據(jù)不同的用戶地理位置對(duì)產(chǎn)品評(píng)論信息進(jìn)行歸類；

步驟2：對(duì)不同地理位置下的產(chǎn)品評(píng)論信息進(jìn)行預(yù)處理，對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行分詞，得到詞語集；

步驟3：使用TF-IDF模型對(duì)詞語集進(jìn)行數(shù)據(jù)挖掘，去除非關(guān)鍵詞語得到關(guān)鍵字集；

步驟4：對(duì)關(guān)鍵字集進(jìn)行分類，對(duì)分類后的關(guān)鍵字進(jìn)行情感傾向的詞典匹配，得到不同情感傾向的分類；

步驟5：通過LDA主題模型分析不同的情感傾向，分析用戶流失的原因并結(jié)合用戶所處的地理位置提出預(yù)防用戶流失的建議；

步驟6：將不同地理位置下的情感傾向分類、以及相應(yīng)的分析結(jié)果存儲(chǔ)在區(qū)塊鏈中，并根據(jù)不同情感傾向的分類結(jié)果更新區(qū)塊鏈中的基礎(chǔ)詞庫。

進(jìn)一步地，所述步驟2中對(duì)產(chǎn)品評(píng)論信息進(jìn)行預(yù)處理，為對(duì)評(píng)論信息進(jìn)行去重。

進(jìn)一步地，所述步驟2中對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行分詞，采用的分詞方法為使用jieba分詞器。

進(jìn)一步地，所述步驟3中使用TF-IDF模型對(duì)詞語集進(jìn)行數(shù)據(jù)挖掘，具體為定義需要去除的詞語列表，使用Python下的sklearn模塊實(shí)現(xiàn)TF-IDF，選擇出適合用來分類的關(guān)鍵字集。

進(jìn)一步地，所述步驟4中對(duì)關(guān)鍵字集進(jìn)行分類的方法為采用k-means進(jìn)行聚類，具體為對(duì)關(guān)鍵字集進(jìn)行k-means聚類得到分類和各類的質(zhì)心，再計(jì)算每個(gè)關(guān)鍵字到質(zhì)心的距離，選擇距離最近的類加入，完成分類。

進(jìn)一步地，所述步驟5中通過LDA主題模型分析不同的情感傾向，具體為通過LDA主題模型挖掘數(shù)據(jù)集中的潛在主題，進(jìn)而分析數(shù)據(jù)集的集中關(guān)注點(diǎn)及其相關(guān)特征詞，在此基礎(chǔ)上分析用戶流失的原因。

本發(fā)明還提供了一種基于區(qū)塊鏈的電商分析系統(tǒng)，其特征在于：包括網(wǎng)絡(luò)爬蟲模塊、分析模塊和區(qū)塊鏈存儲(chǔ)模塊，