[發明專利]基于多模態信息融合的評論有用性預測方法及系統

在審

• 申請號: 202210202483.8
• 申請日: 2022-03-02
• 公開（公告）號: CN114693341A
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 楊穎;徐根成
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06N5/04;G06F16/33;G06F16/35
• 代理公司: 北京久誠知識產權代理事務所(特殊普通合伙) 11542
• 代理人: 余罡

本發明提供一種基于多模態信息融合的評論有用性預測方法及系統，涉及評論有用性預測技術領域。本發明基于產品有用性評論多模態數據獲取領域知識混合視角的評論有用性度量結果和不同單個視角的產品有用性評論度量結果；然后再將領域知識混合視角的評論有用性度量結果和不同的單個視角的產品有用性評論度量結果進行融合，獲取產品有用性評論的最終評估結果。本發明綜合考慮了多模態的產品有用性評論數據，不僅考慮了產品有用性評論內容，同時還考慮了產品有用性初始投票行為，合理的利用了信息之間的互補性，避免了傳統方式中產品在線評論有用性預測結果不準確的問題。

技術領域

本發明涉及評論有用性預測技術領域，具體涉及一種基于多模態信息融合的評論有用性預測方法及系統。

背景技術

在網絡購物平臺上，一種產品會收到數千、數萬甚至是數十萬條評論，消費者可以從這些評論中獲得大量的信息，以便輔助做出購買決策。然而，大量的產品在線評論不僅帶來了信息過載的問題，還因為評論質量的參差不齊，無形中消耗著消費者閱讀評論的時間和精力。所以購物平臺亟需一種能夠自動篩選出高質量評論的機制，以期能夠快速、準確的為消費者提供有效信息，輔助消費者做出購買決策。

目前大多數購物平臺采用了有用性投票機制，其鼓勵消費者對所閱讀的評論進行投票點贊、留言評論，然后將消費者對評論點贊數的累計結果作為評論排序的依據，以此對產品的在線評論有用性進行預測。

然而，大部分評論均存在未投票偏見(閱讀評論的人很少去投票)和時間偏見(新發布的評論因缺少時間的積累獲得的投票數很少)，所以真正有價值的評論僅僅通過投票數很難被發現，即傳統的投票數并不能真正反映出產品在線評論的有用程度；其次，產品的有用性評論形式豐富(圖片、文本、星級等等)，現有的產品有用性評論模型并不能完全適應各種形式的多模態評論數據。這些因素均使得基于傳統有用性投票機制和單一數據形式的產品在線評論有用性的預測結果不準確。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供了一種基于多模態信息融合的評論有用性預測方法及系統，解決了現有技術中評論有用性預測結果不準確的問題。

(二)技術方案

為實現以上目的，本發明通過以下技術方案予以實現：

第一方面，本發明首先提出了一種基于多模態信息融合的評論有用性預測方法，所述方法包括：

基于產品有用性評論多模態數據根據領域專家知識提取影響產品評論有用性的關鍵特征；基于所述關鍵特征獲取領域知識混合視角的評論有用性度量結果；

基于產品有用性評論多模態數據獲取不同單個視角的產品有用性評論度量結果；

將所述領域知識混合視角的評論有用性度量結果和不同的所述單個視角的產品有用性評論度量結果進行融合，獲取產品有用性評論的最終評估結果。

優選的，所述產品有用性評論多模態數據包括評論文本數據、評論圖片數據以及用戶投票行為數據。

優選的，所述基于所述產品有用性評論多模態數據獲取不同單個視角的產品有用性評論度量結果包括：

基于自然語言處理技術和深度學習算法構建評論文本視角的評論有用性度量模型，利用所述評論文本視角的評論有用性度量模型和所述評論文本數據獲取文本視角的產品有用性評論度量結果；

基于深度神經網絡構建評論圖片視角的評論有用性度量模型，利用所述評論圖片視角的評論有用性度量模型和所述評論圖片數據獲取圖片視角的產品有用性評論度量結果；

基于用戶投票行為數據，預設評論投票數有用性閾值，將所述用戶投票行為數據進行歸一化以獲取投票行為視角的產品有用性評論度量結果。