CN104809635A - 一种互联网动态点评分析方法 - Google Patents

Abstract

本发明公开了一种互联网动态点评分析方法，包括以下操作步骤：S1、收集各类点评人的意见评论文本，将点评人的意见传送至动态分析平台；S2、卖家的信息数据与点评人的意见评论文本响应，将信息数据上传至动态分析平台；S3、用户将信息资讯关联至动态分析平台；S4、动态分析平台将步骤S1、S2、S3中的信息综合，进行分析挖掘。通过上述方式，本发明提供的互联网动态点评分析方法，点评意见来源权威、专业、客观、公正、正确、广泛，较全面地涵盖专家、用户、检测和业内精英等，有效避免了现有各种众评类网站、APP的误导和泛滥，能够获得权威、客观、多类别发声的众筹意见。

Description

一种互联网动态点评分析方法

技术领域

本发明涉及一种评论分析方法，特别是涉及一种互联网动态点评分析方法。

背景技术

随着80、90后新一代买家(也包含消费者)对网络资讯的依赖习惯，对互联网上产品点评类信息成为其采购的重要导向，而鉴于互联网的开放性、自由度、大众性，先天决定网络点评意见来源存在鱼目混杂、趋势利弊、参差不齐、造假、买好评、刷信用等问题泛滥，严重影响其公正性、正确性、客观性等，给这一新兴的“意见信息”蒙上失信阴影，已逐渐失去这项可贵获取“大数据信息”技术的市场价值，一旦失去将不再返回，那是“互联网+”战略的重大损失！

从当前的市场情况来看，虽然存在很多纺织类电商平台、网络信息平台，但是由于缺少足够的信息支撑、安全支撑和权威支撑，很难获得有效的成长。用户在该类型网络平台获取信息过程中，面临巨大的风险。而本项目提供网络平台更加权威和安全，能够全面保障用户权益。通过与权威机构、行业协会、国家相关部门、业内精英等进行深入合作，打造了国内最顶尖的纺织品商务信息平台。同类项目在数据分析方面存在严重的问题，由于早期电商盲目发展带来的影响，很多平台都是粗暴的增长方式，没有能够有效的实现平台数据挖掘和分析。本项目则是基于数据挖掘基础之上，采用了大数据和云计算相关技术，能够为用户提供更多更精准的信息服务。

在未来，该行业的竞争将会更加激烈，在移动端的竞争已经初现端倪，各大企业正在努力进行移动端技术革新。不过受到电商平台的影响，很多企业都是在烧钱发展，没有能够把握有效的市场需求，项目盈利能力一般。预计，在未来投资市场冷静下来后，大部分企业将会面临严重的盈利问题。本项目在初期设定的各项盈利措施，就是为了有效的应对这种现象。随着理念和技术的不断革新，本项目将会持续保持领先优势，占领一定的市场地位。

发明内容

本发明主要解决的技术问题是如何提供一种互联网动态点评分析方法，点评意见来源权威、专业、客观、公正、正确、广泛，较全面地涵盖专家、用户、检测和业内精英等，有效避免了现有各种众评类网站、APP的误导和泛滥，能够获得权威、客观、多类别发声的众筹意见。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种互联网动态点评分析方法，包括以下操作步骤：

S1、收集各类点评人的意见评论文本，并将点评人的意见传送至动态分析平台；

S2、卖家的信息数据与点评人的意见评论文本响应，并将信息数据上传至动态分析平台；

S3、用户将信息资讯关联至动态分析平台；

S4、动态分析平台将步骤S1、S2、S3中的信息综合，并进行分析挖掘，同时用语言表达为属性特征，最后对相应的属性特征进行情感倾向进行分类总结。

在一个较佳实施例中，所述S1中点评人从电脑或手机客户端进行登陆，将点评人信息接入，电脑或手机的客户端具有相同的界面，

在一个较佳实施例中，所述S4分析挖掘步骤中包括关键词抓点和属性动态分析，所述属性动态分析中将意见评论文本进行分解归类、动态分析、情感倾向，从而得到产品的流行趋势预测。

在一个较佳实施例中，动态分析平台根据关键词抓点和属性动态分析，进行评价匹配。

在一个较佳实施例中，属性动态分析中，根据产品属性特征相关数据，建立相关性数据库，并且通过产品管理密切度进行有限推荐选择。

在一个较佳实施例中，所述点评人包括专家、业内精英、买家和检测机构。

在一个较佳实施例中，所述用户包括公众资讯、买家、政府决策或行业资讯，所述公众资讯、买家、政府决策或行业资讯分别将相应的信息传送至动态分析平台。

在一个较佳实施例中，动态分析平台中包括面料类，其中所述关键词抓点中关键词为12个，所述属性动态分析中属性为6类。

在一个较佳实施例中，动态分析平台中包括服装类，其中所述关键词抓点中关键词为16个，所述属性动态分析中属性为6类。

本发明的有益效果是：点评意见来源权威、专业、客观、公正、正确、广泛，较全面地涵盖专家、用户、检测和业内精英等，有效避免了现有各种众评类网站、APP的误导和泛滥，能够获得权威、客观、多类别发声的众筹意见。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：

图1是本发明中一种互联网动态点评分析方法一具体实施例的整体结构示意图；

图2是本发明中一种互联网动态点评分析方法的一具体实施例的面料类结构示意图；

图3是本发明中一种互联网动态点评分析方法的一具体实施例的服装类结构示意图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1-3，在本发明的一个具体实施例中提供一种互联网动态点评分析方法，所述的互联网动态点评分析方法包括以下操作步骤：

S1、收集各类点评人的意见评论文本，并将点评人的意见传送至动态分析平台，所述点评人包括专家、业内精英、买家和检测机构，点评人从电脑或手机客户端进行登陆，将点评人信息接入，电脑或手机的客户端具有相同的界面。

S2、卖家的信息数据与点评人的意见评论文本响应，并将信息数据上传至动态分析平台。

S3、用户将信息资讯关联至动态分析平台，所述用户包括公众资讯、买家、政府决策或行业资讯，所述公众资讯、买家、政府决策或行业资讯分别将相应的信息传送至动态分析平台。

S4、动态分析平台将步骤S1、S2、S3中的信息综合，并进行分析挖掘，同时用语言表达为属性特征，最后对相应的属性特征进行情感倾向进行分类总结。所述S4分析挖掘步骤中包括关键词抓点和属性动态分析，所述属性动态分析中将意见评论文本进行分解归类、动态分析、情感倾向，从而得到产品的流行趋势预测。动态分析平台根据关键词抓点和属性动态分析，进行评价匹配，属性动态分析中，根据产品属性特征相关数据，建立相关性数据库，并且通过产品管理密切度进行有限推荐选择。

在一个优选方式中，动态分析平台中包括面料类，其中所述关键词抓点中关键词为12个，所述属性动态分析中属性为6类。在 一个优选方式中，动态分析平台中包括服装类，其中所述关键词抓点中关键词为16个，所述属性动态分析中属性为6类。

本发明的一个具体实施方式中，以商业领域和行业决策需求为背景,提出了一种基于意见挖掘的网络评论抓点和动态分析方法，点评意见来源权威、专业、客观、公正、正确、广泛，较全面地涵盖专家、用户、检测和业内精英等，有效避免了现有各种众评类网站、APP的误导和泛滥，能够获得权威、客观、多类别发声的众筹意见。

四大类意见来源：协会、行业和专家，设计师、高校等业内精英，金牌买家，检测机构，并在一个时间段内（半到一年）平均分配众多点评席位（初期100席，每半年动态筛选，并逐渐增加）。

对全面描述卖家面料（主要）、服装等产品的关键词（面料十二个，服装十六个）点评人点评分数抓点，而且通过汇总专家评语，通过网络评论动态分析将点评人的评论文本进行意见挖掘，并用语言文字表达六大类属性流行趋势预测。

其中，所述的网络评论抓点是将点评人对全面描述纺织产品的关键词评分数据进行处理，并即时处理数据更新呈现；网络评论动态分析是将点评人的评论文本进行意见挖掘。

其中，“抓点”是通过对关键词（面料类十二个、服装类十六个）评分数据进行动态加权算法即时更新处理。其中为使最终数据更显客观、公正、权威、专业，不但每年会动态增减点评人，使点评信息来源越来越合理；还将对点评人以季度为单位做客观、公正、专业、素养等全面合理考核，获得各自的加权系数，系数分为1、0.8、0.5三种。

“意见挖掘”是将点评人的评论文本进行分解归类（面料、服装各六类属性-其文字内容我们称为“属性”）、动态分析，并且自动归纳出点评人对于相关属性的情感倾向，得到产品待宣传和改进的流行趋势或趋势预测。同时“用户体验、相关性推荐”，识别用户（买家、行业、政府、大众）对产品相关属性的关注程度，以用户体验方式，提供针对性精准资讯，以强大的专业性、权威性、客观性、正确性、针对性，赢得用户、占领市场。

因本发明中所述“意见挖掘”，是一种网络评论动态分析方法，是一种将网络点评人评论文本信息视为连续的、动态的数据流。该方法能够通过软件算法挖掘这些数据流，分解归类、动态分析，最终将挖掘结论按分类属性结果清晰地展示给用户（买家、行业、政府）。使他们了解人们对某个产品的关注热点、看法态度等流行趋势属性,便于更好地制定宏观或商业决策。

本发明中以时间窗口模型和文本特征提取技术为理论指导，归纳提取产品属性,并对相应属性的情感倾向进行分类总结。本发明的方法在动态分析上非常有效，不仅能给出较为准确的分类结果,同时能够动态地反映点评人观点的汇总和变化，自动识别出值得关注的产品属性特征信息。

    其中，本发明中的网络评论动态分析方法具有以下特征：点评人信息接入，已完成前期界面和信息接入,基于移动互联网与PC互联网在显示端具有同样界面，点评人可以任意选择从PC端或移动APP端登录。点评人邀约（权威机构、业内精英）或资格自动开发（金牌买家等），周期性筛选，动态保持人数平衡、分布均衡合理。

数据分析管理，能够对挖掘数据进行智能分析和人工分析管理，根据数据评级的重要性，进行分析权限分配。

评价匹配，针对产品（面料、服装）属性和关键词，进行评价匹配，实现产品的全网评价。

相关性推荐，根据产品属性相关数据，建立相关性数据库，通过产品管理密切度进行优先推荐选择。关键是建立产品属性的相关性权重，对产品不同方面的属性进行权重分配，有系统根据权重计算自动推荐相关产品。根据用户（买家选择、行业研究方向、政府决策）对产品的关注点不同，推荐更为相似的资讯，为行业发展方向把脉。

热点推荐即用户体验是通过对大买家行为进行分析，了解大买家的行为习惯，为其它买家提供个人热点信息推荐。大数据技术的常规运用方式，通过数据分析，了解个人活动轨迹，明确其关注热点，为用户提供更为针对性的服务内容。

移动端地域锁定和相关技术，包括围绕地域功能展开的各种平台服务，包括查看附近产品，了解附近资源，进行社交交流等服务的搭建。通过移动端的地域锁定，能够建立更为精准的服务体系，为用户提供更有效的服务内容。由于移动端的用户行为存在一定的特殊性，因此，需要针对性的做出设计。

评价字段种子集合，虽然四方面点评人经过邀约和权限开发，除了关键词评分选择，对其写入不做指导和规范，完全开发、体现百家争鸣，但为最终能最大化有效性、客观性、真实性，避免不必要的误导和恶意，根据对评价内容的管理规范，对评论内容进行智能比对，监控，屏蔽。通过本发明能够有效的提升产品评论的准确性和有效性，避免垃圾信息的出现，避免不正当言论的出现，采用智能比对的方式，能够有效的屏蔽大部分非法语言，能够极大的节省人工成本；也为以季度为单位对点评人做客观、公正、专业、素养等全面合理考核，获得各自的加权系数，以及每年动态增减点评人，使点评信息来源越来越合理，提供技术保障。

因此，本发明基于有效的数据挖掘和数据动态分析，实现产品评价信息的有效管理、为用户提供有效的信息表现形式、连接更多有效资源的目的，因此需要在项目建设过程中，首先要明确数据挖掘算法和数据分析机理，为更好的进行平台信息管理，奠定基础。

本发明中采用朴素贝叶斯算法为核心数据处理方式，通过将产品作为单独的个体，通过根据不同内容与个体之间的关系，进行数学盘点，从而实现有机的数据整合，由于朴素贝叶斯算法，对于缺失属性不敏感，因此能够获得更多的产品信息，让平台的功能更强大。通过建立产品样本，主动挖掘符合条件内容。

平台算法模型：

Vmap=arg max P( Vj | a1,a2...an)；

Vj属于V集合；

其中Vmap是给定一个example,得到的最可能的目标值；

其中a1...an是这个example里面的属性。

其中，Vmap目标值,就是后面计算得出的概率最大的一个，所以用max 来表示。

将公式应用到 P( Vj | a1,a2...an)中：

可得到 Vmap= arg max P(a1,a2...an | Vj ) P( Vj ) / P (a1,a2...an)；

又因为分类器默认a1...an他们互相独立的；

所以P(a1,a2...an)对于结果没有用处。

因为所有的概率都要除同一个东西之后再比较大小，最后结果也似乎影响不大，可得到Vmap= arg max P(a1,a2...an | Vj ) P( Vj )。

朴素贝叶斯分类器基于一个简单的假定：给定目标值时属性之间相互条件独立。换言之，该假定说明给定实例的目标值情况下，观察到联合的a1,a2...an的概率正好是对每个单独属性的概率乘积： P(a1,a2...an | Vj ) =Πi P( ai| Vj )....

朴素贝叶斯分类器：Vnb =arg max P( Vj ) Π i P ( ai | Vj )"；

Vnb = arg max P ( Vj )；

数据挖掘的信息，最终反馈到用户群中，为用户提供更多的帮助。

在本发明的一个具体实施例中，“抓点”是通过对关键词（面料类十二个、服装类十六个）评分数据进行动态加权算法即时更新处理；其次“意见挖掘”，将点评人的评论文本进行分解归类（面料、服装各六类属性-其文字内容我们称为“属性”见各“实现框图”）、动态分析，并且自动归纳出点评人对于相关属性的情感倾向，得到产品待宣传和改进的流行趋势或趋势预测。同时“用户体验、相关性推荐”，识别用户（买家、行业、政府、大众）对产品相关属性的关注程度，以用户体验方式，提供针对性精准资讯，以强大的专业性、权威性、客观性、正确性、针对性，赢得用户、占领市场。

意见来源渠道权威、专业、客观、公正、正确、广泛，有效避免了现有各种点评的误导、造假和泛滥。以商业领域和行业决策需求为背景, 通过基于有效的数据挖掘和数据动态分析，采用朴素贝叶斯算法为核心数据处理方式，实现产品评价信息的有效管理。便于给用户（卖家、买家、机构、政府）更好地制定宏观或商业决策。

项目的覆盖范围广泛，能够有效的实现全行业覆盖，通过与不同部门和机构之间的合作，能够有效的促进产业发展，影响产业走势，为更好的进行产业经营做出贡献。平台突破了传统理念，有效的进行了内容和功能整合，在提供核心数据信息技术开发外，添加了大量的实用程序，能够方便用户使用，为用户提供个性化服务，全面实现了电脑端和移动端的连通，用户可以随时随地关注信息，进行操作，让商务办公移动起来。与其他行业点评类网站不同，本项目通过与权威机构和政府部门进行深入合作，共享平台信息，强化了平台的权威性，能够为更多的用户提供可靠的服务。

从技术上来看，项目采用的算法更符合行业现状，数据挖掘的效率更高，数据内容更广泛，更精准。通过对算法进行创新的调整，能够强化数据分析功能，为更好的实现数据分享，数据推荐，数据管理等内容提供便利。项目注重大数据和移动应用技术的应用，围绕和信息和用户展开了多层面的信息服务，能够根据用户的需求不同，直接向用户提供精准信息，而不是向用户提供大量的信息，让用户自己挑选。

从交易的角度来看，项目引入了国家监管机制，实现了与业内权威机构和行业协会的合作关系，能够有效的保障用户交易安全，避免产生损失。

采用了朴素贝叶斯算法作为平台的核心算法，通过建立数据模型和样本集合，有效的展开互联网意见点评、数据挖掘、数据动态分析等内容，为平台提供专业的信息化服务，能够有效地实现数据整理，数据搜集和智能过滤等功能。前段设计采用Java技术，有效的保证了平台的安全性和稳定性，同时针对移动端开发了安卓和IOS系统，方便移动点评人和用户的使用。全面实现了系统在移动端和电脑端的信息整合。

因此，本发明具有以下优点：

（1）运行稳定，安全，能够有效的保障点评人和用户的权益，时刻为用户提供最新信息服务；信息匹配率高，内容精准，能够为不同用户提供专属的信息服务，信息挖掘能力强，能够实现全网数据整合，信息权重分配精准，能够分层次展现数据信息；服务全面，点评人和用户可以在任何时间和地点实现全部服务需求；相应快速，运行稳定，技术成熟，权威性强，信息安全有效，无不良信息，非法信息。

（2）为点评人和用户提供了一个稳定安全的产品评价平台，能够有效的整合不同用户的实际需求；运用先进的数据技术，为用户提供个性化精准服务，能够有效提升用户处理信息效率；采用多种信息管理方式，让用户管理更加便捷，是完美的商务管理平台。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种互联网动态点评分析方法，其特征在于，包括以下操作步骤：

S1、收集各类点评人的意见评论文本，并将点评人的意见传送至动态分析平台；

S2、卖家的信息数据与点评人的意见评论文本响应，并将信息数据上传至动态分析平台；

S3、用户将信息资讯关联至动态分析平台；

S4、动态分析平台将步骤S1、S2、S3中的信息综合，并进行分析挖掘，同时用语言表达为属性特征，最后对相应的属性特征进行情感倾向进行分类总结。

2.根据权利要求1所述的互联网动态点评分析方法，其特征在于，所述S1中点评人从电脑或手机客户端进行登陆，将点评人信息接入，电脑或手机的客户端具有相同的界面。

3.根据权利要求1所述的互联网动态点评分析方法，其特征在于，所述S4分析挖掘步骤中包括关键词抓点和属性动态分析，所述属性动态分析中将意见评论文本进行分解归类、动态分析、情感倾向，从而得到产品的流行趋势预测。

4.根据权利要求3所述的互联网动态点评分析方法，其特征在于，动态分析平台根据关键词抓点和属性动态分析，进行评价匹配。

5.根据权利要求4所述的互联网动态点评分析方法，其特征在于，属性动态分析中，根据产品属性特征相关数据，建立相关性数据库，并且通过产品管理密切度进行有限推荐选择。

6.根据权利要求1所述的互联网动态点评分析方法，其特征在于，所述点评人包括专家、业内精英、买家和检测机构。

7.根据权利要求1所述的互联网动态点评分析方法，其特征在于，所述用户包括公众资讯、买家、政府决策或行业资讯，所述公众资讯、买家、政府决策或行业资讯分别将相应的信息传送至动态分析平台。

8.根据权利要求3所述的互联网动态点评分析方法，其特征在于，动态分析平台中包括面料类，其中所述关键词抓点中关键词为12个，所述属性动态分析中属性为6类。

9.根据权利要求3所述的互联网动态点评分析方法，其特征在于，动态分析平台中包括服装类，其中所述关键词抓点中关键词为16个，所述属性动态分析中属性为6类。