[發明專利]用于平臺商品評論的分析方法、處理器及裝置

在審

• 申請號: 202110822100.2
• 申請日: 2021-07-20
• 公開（公告）號: CN113377960A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 孫群圃;張猛;姚磊;王旭
• 申請（專利權）人: 匯智數字科技控股（深圳）有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/205;G06Q30/02;G06N5/04
• 代理公司: 深圳市勵知致遠知識產權代理有限公司 44795
• 代理人: 賈永華

本申請實施例提供一種用于平臺商品評論的分析方法、處理器、裝置、存儲介質及計算機程序產品。方法包括：獲取亞馬遜平臺內商品評論的文本內容，文本內容包括亞馬遜平臺商品的By feature中的文本和Read reviews that mention中的文本；通過分類器對文本內容進行聚類；根據聚類結果確定商品的特性。通過確定評論信息確定文本內容；通過分類器對平臺內商品的文本內容進行聚類，從而確定商品的特性。對這些評論的內容文本進行觀點提取和語義分析，為每條評論文本定義標簽，從而對大量的評論內容進行分類、篩選，不僅能提升用戶體驗，而且能幫助跨境電商企業直觀了解商品的特性，包括商品口碑和優缺點，利于產品的優化并為制定營銷決策提供數據基礎，提升了經濟效益。

技術領域

本申請涉及內容提取和語義分析領域，具體地涉及一種用于平臺商品評論的分析方法、處理器、裝置、存儲介質及計算機程序產品。

背景技術

隨著現代商業數字化的發展，提取商業平臺上的商品評論對賣家和賣家而言都是非常重要的，而在現有技術中，基于機器學習的文本分析的技術主要有兩類：一類是基于監督的學習模型，它需要大量人力來構建訓練集，而且構建出的訓練集可能不能滿足用戶需求，導致效果不理想。當類別非常多或者類別與類別之間差異很小時，文本分類就開始變得困難。此外，有時需要考慮額外特征才能分類正確，例如常常需要根據說話者語氣，才能準確判斷真實的語義。這些難度增加了基于監督學習模型的文本分類方法在產品的評論分析中的局限性；另一類是基于無監督學習模型的文本分類，如LDA模型(隱含狄利克雷分布)、TextRank算法等。這類模型不需要大量人力來構建訓練集，但是分析結果更偏向于評論情感提取，而不是評論觀點提取，不符合售賣者的需求。

發明內容

本申請實施例的目的是提供一種用于平臺商品評論的分析方法、裝置、處理器、存儲介質及計算機程序產品為了實現上述目的，本申請第一方面提供一種用于平臺商品評論的分析方法方法，包括：獲取亞馬遜平臺內商品評論的文本內容，文本內容包括亞馬遜平臺商品的By feature中的文本和Read reviews that mention中的文本；通過分類器對Byfeature中的文本和Read reviews that mention中的文本進行聚類；根據聚類結果確定商品的特性。

在本發明實施例中，根據評論信息確定文本內容包括：通過分類器對By feature中的文本和Read reviews that mention中的文本進行無監督聚類；確定聚類后的不同標簽語義簇；根據不同的標簽語義簇確定標簽內容。

在本發明實施例中，對比學習模型包括神經網絡特征提取層、線性映射層和舉例對比層。

在本發明實施例中，通過分類器對平臺內商品的文本內容進行聚類包括：確定語料庫；通過所述語料庫訓練自然語言推理模型。

在本發明實施例中，根據對應關系對文本內容進行聚類包括：通過自然語言推理模型確定文本內容和標簽內容的推理關系；根據標簽對文本內容進行聚類。

在本發明實施例中，標簽包括：矛盾標簽、中性標簽和包含標簽中的至少一者。

本申請第二方面提供一種處理器，被配置成執行上述的用于平臺商品評論的分析方法。

本申請第三方面提供一種用于平臺商品評論的分析裝置，包括：

文本獲取模塊，獲取商品評論信息；

分類器，用于對平臺內商品的文本內容進行聚類；以及

被配置成執行上述的用于平臺商品評論的分析方法的處理器。

本申請第四方面提供一種機器可讀存儲介質，該機器可讀存儲介質上存儲有指令，該指令在被處理器執行時使得所述處理器被配置成執行上述的用于平臺商品評論的分析方法。