CN106127507A - 一种基于用户评价信息的商品舆情分析方法及系统 - Google Patents
一种基于用户评价信息的商品舆情分析方法及系统 Download PDFInfo
- Publication number
- CN106127507A CN106127507A CN201610422882.XA CN201610422882A CN106127507A CN 106127507 A CN106127507 A CN 106127507A CN 201610422882 A CN201610422882 A CN 201610422882A CN 106127507 A CN106127507 A CN 106127507A
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- data
- analysis
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据挖掘和舆情分析技术,其公开了一种基于用户评价信息的商品舆情分析方法及系统,快速有效的发现消费者对所购商品的情感,并在此基础上进行商品舆情分析。该方法包括:a.对电子商务平台进行数据爬取,获得商品的基本信息及用户对商品的评价数据,并进行分类写入评价文本数据库中;b.对商品的评价数据进行预处理,生成可供进一步分析的特征向量;c.提取特征向量中的典型特征,分析用户对典型特征的情感和对产品的总体情绪;d.在Web端对情感分析模块的分析结果进行可视化展示。本发明适用于对电商平台评论数据进行分析。
Description
技术领域
本发明涉及数据挖掘和舆情分析技术,具体涉及一种基于用户评价信息的商品舆情分析方法及系统。
背景技术
近年来电子商务发展迅速,人们越来越依赖于诸如京东、天猫、淘宝等电商平台进行购物。在这些电商平台上,用户不仅可以详细地了解商品信息,还可以通过已购买用户的评价,进一步了解商品的使用效果。另一方面,由于商家较难收集消费者对线下销售产品的评价信息,因此分析电商平台上用户对产品的评价信息是了解商品舆情的重要途径,对商家和用户均具有很高价值。
例如:以下为从京东商城获取的某品牌电视机的用户评价数据:
电视屏幕还不错,自带芒果tv太坑,好看的全要vip,并不是智能机,还是选智能机好。
电视功能不好,但是便宜,不能装软件。
没有服务人员联系我。
价格很便宜,声音像是电梯里电视那种小喇叭声,没法听。上门安装底座居然也要收50元。最倒霉的是底座不稳,一碰就倒了,一倒屏幕就碎了,打电话客服说换屏比换电视贵,所以也没法修了。2400块钱看了不到3星期就废了,很不开心!
电视像素不理想,外形还可以吧。
……
通过对评价数据进行分析,我们发现产品的如下特征:屏幕还不错、功能不好、价格便宜、底座不稳、像素不理想、外形还可以等。这样的舆情信息,一方面可以帮助用户快速了解商品的优劣;另一方面则能够帮助商家快速准确地发现自己产品和服务的问题,并根据与竞争对手产品的比较,发现自己的优势与不足,进而有针对性的改善产品、服务的质量,提升企业核心竞争力。
因此本申请有必要提出一种基于用户评价信息的商品舆情分析方法及系统。
发明内容
本发明所要解决的技术问题是:提出一种基于用户评价信息的商品舆情分析方法及系统,快速有效的发现消费者对所购商品的情感,并在此基础上进行商品舆情分析。
本发明解决其技术问题所采用的技术方案是:一种基于用户评价信息的商品舆情分析系统,包括爬虫模块、数据预处理模块、情感分析模块、词典构造模块和可视化模块;
所述爬虫模块,用于对电子商务平台进行数据爬取,获得商品的基本信息及用户对商品的评价数据,并进行分类写入评价文本数据库中;
所述数据预处理模块,用于对商品的评价数据进行预处理,生成可供进一步分析的特征向量;
所述情感分析模块,用于提取特征向量中的典型特征,分析用户对典型特征的情感和对产品的总体情绪;
所述词典构造模块,用于对分词词库进行收集和融合以形成分词词典,从而供数据预处理模块进行分词和标注词性;还用于构建情感词典,从而供情感分析模块标注极性;
可视化模块,用于在Web端对情感分析模块的分析结果进行可视化展示。
作为进一步优化,所述爬虫模块对电子商务平台进行数据爬取,获得商品的基本信息及用户对商品的评价数据包括:
爬虫模块从指定的种子站点开始,以宽度优先模式从互联网爬取网页,针对每一个爬取到的网页,分析页面源代码,并进行解析,获取网页内相关的信息:产品特征和用户评价。
作为进一步优化,所述数据预处理模块对商品的评价数据进行预处理,生成可供进一步分析的特征向量,包括:
数据预处理模块首先基于分词词典对用户的评价数据进行分词处理,在分词结果的基础上,采用关联规则挖掘算法Apriori在评价文本数据库中发现高频名词及名词词组,并将其视为典型特征;对于包含典型特征的评价文本,数据预处理模块在去除该文本中的停用词后,发现文本中离名词或名词词组最近的形容词,进而生成形如[特征,观点]的特征向量。
作为进一步优化,所述情感分析模块提取特征向量中的典型特征,分析用户对典型特征的情感和对产品的总体情绪,包括:
对于特征向量中的每一个元素,情感分析模块在情感词典内寻找与典型特征及其观点相对应的极性,并将[评论,特征,观点,极性]写入数据库;
情感分析模块从评价数据库内选择部分数据作为训练数据集,采用支持向量机的方法对总体情感进行分类:
首先,对训练数据集进行标记,并对其中的形容词进行词频统计,提取出现频率较高的形容词作为样本特征;然后,将每个训练样本进行转换,将其转换为如下格式:<标记>特征1:个数特征2:个数……特征n:个数,其中<标记>取值为positive或negtive;最后,将转换后的训练数据输入到LIBSVM库中进行分类训练;训练出的分类结果随后被应用到实际数据中,帮助分析用户评价文本的总体情感。
作为进一步优化,所述可视化模块在Web端对情感分析模块的分析结果进行可视化展示,展示内容包括:产品的好评/差评率;正面及负面典型特征,并返回与特征相关的原始评论;帮助用户选择不同品牌及该品牌下的产品。
此外,本发明的另一目的还在于提出一种基于用户评价信息的商品舆情分析方法,其包括以下步骤:
a.对电子商务平台进行数据爬取,获得商品的基本信息及用户对商品的评价数据,并进行分类写入评价文本数据库中;
b.对商品的评价数据进行预处理,生成可供进一步分析的特征向量;
c.提取特征向量中的典型特征,分析用户对典型特征的情感和对产品的总体情绪;
d.在Web端对情感分析模块的分析结果进行可视化展示。
作为进一步优化,步骤a中,所述对电子商务平台进行数据爬取,获得商品的基本信息及用户对商品的评价数据的方法是:
爬虫模块从指定的种子站点开始,以宽度优先模式从互联网爬取网页,针对每一个爬取到的网页,分析页面源代码,并进行解析,获取网页内相关的信息:产品特征和用户评价。
作为进一步优化,步骤b中,所述对商品的评价数据进行预处理,生成可供进一步分析的特征向量的方法包括:
数据预处理模块首先基于分词词典对用户的评价数据进行分词处理,在分词结果的基础上,采用关联规则挖掘算法Apriori在评价文本数据库中发现高频名词及名词词组,并将其视为典型特征;对于包含典型特征的评价文本,数据预处理模块在去除该文本中的停用词后,发现文本中离名词或名词词组最近的形容词,进而生成形如[特征,观点]的特征向量。
作为进一步优化,步骤c中,所述提取特征向量中的典型特征,分析用户对典型特征的情感和对产品的总体情绪的方法包括:
对于特征向量中的每一个元素,情感分析模块在情感词典内寻找与典型特征及其观点相对应的极性,并将[评论,特征,观点,极性]写入数据库;
情感分析模块从评价数据库内选择部分数据作为训练数据集,采用支持向量机的方法对总体情感进行分类:
首先,对训练数据集进行标记,并对其中的形容词进行词频统计,提取出现频率较高的形容词作为样本特征;然后,将每个训练样本进行转换,将其转换为如下格式:<标记>特征1:个数特征2:个数……特征n:个数,其中<标记>取值为positive或negtive;最后,将转换后的训练数据输入到LIBSVM库中进行分类训练;训练出的分类结果随后被应用到实际数据中,帮助分析用户评价文本的总体情感。
作为进一步优化,步骤d中,在Web端对情感分析模块的分析结果进行可视化展示时,所述展示内容包括:
产品的好评/差评率;正面及负面典型特征,并返回与特征相关的原始评论;帮助用户选择不同品牌及该品牌下的产品。
本发明的有益效果是:利用爬虫模块获取电商平台上商品的用户评价数据,经过数据预处理,再结合所构建的情感词典对评价数据进行情感分析,得到商品的典型特征以及每条评价的整体极性,通过可视化模块,展示个用户和商家,以帮助用户快速了解商品的优劣,帮助商家快速准确地发现自己产品和服务的问题,并根据与竞争对手产品的比较,发现自己的优势与不足,进而有针对性的改善产品、服务的质量,提升企业核心竞争力。
附图说明
图1为基于用户评价信息的商品舆情分析系统结构框图;
图2为基于用户评价信息的商品舆情分析流程简图。
具体实施方式
如图1所示,本发明中基于用户评价信息的商品舆情分析系统包括:
(一)爬虫模块(Crawler Module,简称CM)
CM的主要工作流程如下:(1)从指定的种子站点(起始网站)开始,以宽度优先的模式,从互联网爬取网页;(2)针对每一个爬取到的网页,分析页面源代码,并进行解析,进行获取网页内相关的信息,如产品特征,用户评价等;(3)将有关信息分类写入数据库。
(二)数据预处理模块(Data Preprocessing Module,简称DPM)
(1)DPM首先对用户的评价文本进行分词处理。分词采用了中科院研发的中文分词算法及工具包;(2)在分词结果的基础上,DPM采用关联规则挖掘算法Apriori在评价文本库中发现高频名词及名词词组,并将其视为典型特征;(3)对于包含典型特征的评价文本,DPM在去除该文本中的停用词后,发现文本中离名词(或名词词组)最近的形容词,并生成形如[特征(名词),观点(形容词)]的一组特征向量,如:例一中的[屏幕,不错]、[功能,不好]、[价格,便宜]、[底座,不稳]、[像素,不理想]、[外形,还可以]。
(三)情感分析模块(Sentiment Analysis Module,简称SAM)
对于待分析的特征向量,SAM结合情感词典逐一对特征向量中的每一个典型特征进行极性标注。考虑到中文环境下,极性不仅取决于形容词,同时也和与之关联的名词有关,例如[水平,高]和[价格,高]虽然都有形容词“高”,然而极性却截然相反。因此对于特征向量中的每一个元素,SAM在情感词典内寻找与典型特征及其观点相对应的极性,并将[评论,特征,观点,极性]写入数据库。
此外,SAM从评价数据库内选择部分数据作为训练数据集,采用支持向量机(SupportVector Machine,简称SVM)的方法对总体情感进行分类,分类计算采用了LIBSVM库。具体的实现步骤如下:首先,对训练数据集进行标记,并对其中的形容词进行词频统计,提取出现频率较高的形容词作为样本特征。其次,将每个训练样本进行转换,将其转换为如下格式:<标记>特征1:个数特征2:个数……特征n:个数(<标记>取值为positive或negtive)。最后,将转换后的训练数据输入到LIBSVM中进行分类训练。训练出的分类结果随后被应用到实际数据中,帮助分析用户评价文本的总体情感。
(四)词典构造模块(Dictionary Building Module,简称DBM)
为了提高分词效果,我们收集了多个词库,并将它们进行融合,形成了较为全面的词库,用于分词和标注词性。此外,我们还以[特征,观点]为对象,构建了情感词典,以正确标注极性(正面(positive)或负面(negative))。
(五)可视化模块(Visualization Module,简称VM)
VM将分析结果在Web端进行展现,主要可视内容包括(1)产品的好评/差评率;(2)正面(positive)及负面(negative)典型特征,并返回与特征相关的原始评论;(3)帮助用户选择不同品牌及该品牌下的产品。
a.对电子商务平台进行数据爬取,获得商品的基本信息及用户对商品的评价数据,并进行分类写入评价文本数据库中;
b.对商品的评价数据进行预处理,生成可供进一步分析的特征向量;
c.提取特征向量中的典型特征,分析用户对典型特征的情感和对产品的总体情绪;
d.在Web端对情感分析模块的分析结果进行可视化展示。
图2示意了本发明基于用户评价信息的商品舆情分析方法,其包括:
1、爬虫模块对电子商务平台进行数据爬取,获得商品的基本信息及用户对商品的评价数据,并进行分类写入评价文本数据库中;
2、数据预处理模块基于分词词典对用户的评价数据进行分词处理,对分词结果进行词性标注、典型特征识别和特征过滤,进而形成特征向量;
3、情感分析模块提取特征向量中的典型特征,结合情感词典基于支持向量机(简称SVM)的方法对总体情感进行分类,分析用户对典型特征的情感和对产品的总体情绪;
4、在Web端对情感分析模块的分析结果进行可视化展示。
Claims (10)
1.一种基于用户评价信息的商品舆情分析系统,其特征在于,包括爬虫模块、数据预处理模块、情感分析模块、词典构造模块和可视化模块;
所述爬虫模块,用于对电子商务平台进行数据爬取,获得商品的基本信息及用户对商品的评价数据,并进行分类写入评价文本数据库中;
所述数据预处理模块,用于对商品的评价数据进行预处理,生成可供进一步分析的特征向量;
所述情感分析模块,用于提取特征向量中的典型特征,分析用户对典型特征的情感和对产品的总体情绪;
所述词典构造模块,用于对分词词库进行收集和融合以形成分词词典,从而供数据预处理模块进行分词和标注词性;还用于构建情感词典,从而供情感分析模块标注极性;
可视化模块,用于在Web端对情感分析模块的分析结果进行可视化展示。
2.如权利要求1所述的一种基于用户评价信息的商品舆情分析系统,其特征在于,所述爬虫模块对电子商务平台进行数据爬取,获得商品的基本信息及用户对商品的评价数据包括:
爬虫模块从指定的种子站点开始,以宽度优先模式从互联网爬取网页,针对每一个爬取到的网页,分析页面源代码,并进行解析,获取网页内相关的信息:产品特征和用户评价。
3.如权利要求2所述的一种基于用户评价信息的商品舆情分析系统,其特征在于,所述数据预处理模块对商品的评价数据进行预处理,生成可供进一步分析的特征向量,包括:
数据预处理模块首先基于分词词典对用户的评价数据进行分词处理,在分词结果的基础上,采用关联规则挖掘算法Apriori在评价文本数据库中发现高频名词及名词词组,并将其视为典型特征;对于包含典型特征的评价文本,数据预处理模块在去除该文本中的停用词后,发现文本中离名词或名词词组最近的形容词,进而生成形如[特征,观点]的特征向量。
4.如权利要求3所述的一种基于用户评价信息的商品舆情分析系统,其特征在于,所述情感分析模块提取特征向量中的典型特征,分析用户对典型特征的情感和对产品的总体情绪,包括:
对于特征向量中的每一个元素,情感分析模块在情感词典内寻找与典型特征及其观点相对应的极性,并将[评论,特征,观点,极性]写入数据库;
情感分析模块从评价数据库内选择部分数据作为训练数据集,采用支持向量机的方法对总体情感进行分类:
首先,对训练数据集进行标记,并对其中的形容词进行词频统计,提取出现频率较高的形容词作为样本特征;然后,将每个训练样本进行转换,将其转换为如下格式:<标记>特征1:个数特征2:个数……特征n:个数,其中<标记>取值为positive或negtive;最后,将转换后的训练数据输入到LIBSVM库中进行分类训练;训练出的分类结果随后被应用到实际数据中,帮助分析用户评价文本的总体情感。
5.如权利要求4所述的一种基于用户评价信息的商品舆情分析系统,其特征在于,所述可视化模块在Web端对情感分析模块的分析结果进行可视化展示,展示内容包括:产品的好评/差评率;正面及负面典型特征,并返回与特征相关的原始评论;帮助用户选择不同品牌及该品牌下的产品。
6.一种基于用户评价信息的商品舆情分析方法,其特征在于,包括以下步骤:
a.对电子商务平台进行数据爬取,获得商品的基本信息及用户对商品的评价数据,并进行分类写入评价文本数据库中;
b.对商品的评价数据进行预处理,生成可供进一步分析的特征向量;
c.提取特征向量中的典型特征,分析用户对典型特征的情感和对产品的总体情绪;
d.在Web端对情感分析模块的分析结果进行可视化展示。
7.如权利要求6所述的一种基于用户评价信息的商品舆情分析方法,其特征在于,步骤a中,所述对电子商务平台进行数据爬取,获得商品的基本信息及用户对商品的评价数据的方法是:
爬虫模块从指定的种子站点开始,以宽度优先模式从互联网爬取网页,针对每一个爬取到的网页,分析页面源代码,并进行解析,获取网页内相关的信息:产品特征和用户评价。
8.如权利要求7所述的一种基于用户评价信息的商品舆情分析方法,其特征在于,步骤b中,所述对商品的评价数据进行预处理,生成可供进一步分析的特征向量的方法包括:
数据预处理模块首先基于分词词典对用户的评价数据进行分词处理,在分词结果的基础上,采用关联规则挖掘算法Apriori在评价文本数据库中发现高频名词及名词词组,并将其视为典型特征;对于包含典型特征的评价文本,数据预处理模块在去除该文本中的停用词后,发现文本中离名词或名词词组最近的形容词,进而生成形如[特征,观点]的特征向量。
9.如权利要求8所述的一种基于用户评价信息的商品舆情分析方法,其特征在于,步骤c中,所述提取特征向量中的典型特征,分析用户对典型特征的情感和对产品的总体情绪的方法包括:
对于特征向量中的每一个元素,情感分析模块在情感词典内寻找与典型特征及其观点相对应的极性,并将[评论,特征,观点,极性]写入数据库;
情感分析模块从评价数据库内选择部分数据作为训练数据集,采用支持向量机的方法对总体情感进行分类:
首先,对训练数据集进行标记,并对其中的形容词进行词频统计,提取出现频率较高的形容词作为样本特征;然后,将每个训练样本进行转换,将其转换为如下格式:<标记>特征1:个数特征2:个数……特征n:个数,其中<标记>取值为positive或negtive;最后,将转换后的训练数据输入到LIBSVM库中进行分类训练;训练出的分类结果随后被应用到实际数据中,帮助分析用户评价文本的总体情感。
10.如权利要求9所述的一种基于用户评价信息的商品舆情分析方法,其特征在于,步骤d中,在Web端对情感分析模块的分析结果进行可视化展示时,所述展示内容包括:
产品的好评/差评率;正面及负面典型特征,并返回与特征相关的原始评论;帮助用户选择不同品牌及该品牌下的产品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610422882.XA CN106127507A (zh) | 2016-06-13 | 2016-06-13 | 一种基于用户评价信息的商品舆情分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610422882.XA CN106127507A (zh) | 2016-06-13 | 2016-06-13 | 一种基于用户评价信息的商品舆情分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106127507A true CN106127507A (zh) | 2016-11-16 |
Family
ID=57270888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610422882.XA Pending CN106127507A (zh) | 2016-06-13 | 2016-06-13 | 一种基于用户评价信息的商品舆情分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106127507A (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649603A (zh) * | 2016-11-25 | 2017-05-10 | 北京资采信息技术有限公司 | 一种基于网页文本数据情感分类的指定信息推送方法 |
CN106649270A (zh) * | 2016-12-19 | 2017-05-10 | 四川长虹电器股份有限公司 | 舆情监测分析方法 |
CN107038609A (zh) * | 2017-04-24 | 2017-08-11 | 广州华企联信息科技有限公司 | 一种基于深度学习的商品推荐方法及系统 |
CN107330613A (zh) * | 2017-06-29 | 2017-11-07 | 平安万家医疗投资管理有限责任公司 | 一种舆情监控方法、设备及计算机可读存储介质 |
CN107392718A (zh) * | 2017-07-26 | 2017-11-24 | 四川长虹电器股份有限公司 | 商品推荐方法 |
CN107423356A (zh) * | 2017-05-31 | 2017-12-01 | 北京京东尚科信息技术有限公司 | 评价信息的处理方法及装置、计算机可读介质、电子设备 |
CN107577672A (zh) * | 2017-09-19 | 2018-01-12 | 网智天元科技集团股份有限公司 | 基于舆情设定剧本的方法和装置 |
CN107645559A (zh) * | 2017-09-30 | 2018-01-30 | 广东美的制冷设备有限公司 | 家电信息推送方法、服务器、移动终端及存储介质 |
CN108170841A (zh) * | 2018-01-16 | 2018-06-15 | 深圳市中易科技有限责任公司 | 一种基于信息价值的手机舆情分析决策方法 |
CN108280688A (zh) * | 2018-01-29 | 2018-07-13 | 京东方科技集团股份有限公司 | 目标物的评论信息分析方法、装置及系统 |
CN108537428A (zh) * | 2018-03-28 | 2018-09-14 | 校宝在线(杭州)科技股份有限公司 | 一种基于官网变化情况的云服务商服务质量评测方法 |
CN108763233A (zh) * | 2017-04-21 | 2018-11-06 | 北京京东尚科信息技术有限公司 | 基于大数据的疑似假货商品识别及分类的方法和装置 |
CN109299256A (zh) * | 2018-09-14 | 2019-02-01 | 成都信息工程大学 | 一种在线观点挖掘方法及系统 |
CN109426987A (zh) * | 2017-09-05 | 2019-03-05 | 本田技研工业株式会社 | 评价装置、评价方法、噪声消除装置和程序存储介质 |
CN109636440A (zh) * | 2018-11-06 | 2019-04-16 | 航天信息股份有限公司 | 商品满意度的评估方法和装置,存储介质和电子设备 |
CN109657124A (zh) * | 2018-12-14 | 2019-04-19 | 成都德迈安科技有限公司 | 基于消费者行为的舆情监控系统 |
CN109840300A (zh) * | 2019-03-04 | 2019-06-04 | 深信服科技股份有限公司 | 网络舆情分析方法、装置、设备及计算机可读存储介质 |
CN110059922A (zh) * | 2019-03-11 | 2019-07-26 | 北京比速信息科技有限公司 | 基于互联网游客点评数据的线上满意度评价方法 |
CN110134765A (zh) * | 2019-05-05 | 2019-08-16 | 杭州师范大学 | 一种基于情感分析的餐厅用户评论分析系统及方法 |
CN110633312A (zh) * | 2019-09-24 | 2019-12-31 | 四川长虹电器股份有限公司 | 一种基于Mongodb和HanLP的电商舆情分析方法及系统 |
CN110706028A (zh) * | 2019-09-26 | 2020-01-17 | 四川长虹电器股份有限公司 | 基于属性特征的商品评价情感分析系统 |
CN110728131A (zh) * | 2018-06-29 | 2020-01-24 | 北京京东尚科信息技术有限公司 | 一种分析文本属性的方法和装置 |
CN111523914A (zh) * | 2019-01-17 | 2020-08-11 | 阿里巴巴集团控股有限公司 | 用户满意度的评测方法、装置、系统和数据显示平台 |
CN111754062A (zh) * | 2019-11-27 | 2020-10-09 | 北京沃东天骏信息技术有限公司 | 物品质量检测模型建立的方法和装置 |
CN113763024A (zh) * | 2021-03-19 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 物品属性挖掘方法、装置及存储介质 |
CN113762764A (zh) * | 2021-09-02 | 2021-12-07 | 南京大学 | 一种进口食品安全风险自动分级与预警系统及方法 |
CN114510555A (zh) * | 2022-02-24 | 2022-05-17 | 平安普惠企业管理有限公司 | 业务策略的制定方法、装置及相关设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049435A (zh) * | 2013-01-04 | 2013-04-17 | 浙江工商大学 | 文本细粒度情感分析方法及装置 |
CN103207855A (zh) * | 2013-04-12 | 2013-07-17 | 广东工业大学 | 针对产品评论信息的细粒度情感分析系统及方法 |
CN103365867A (zh) * | 2012-03-29 | 2013-10-23 | 腾讯科技(深圳)有限公司 | 一种对用户评价进行情感分析的方法和装置 |
CN105022805A (zh) * | 2015-07-02 | 2015-11-04 | 四川大学 | 一种基于so-pmi商品评价信息的情感分析方法 |
-
2016
- 2016-06-13 CN CN201610422882.XA patent/CN106127507A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103365867A (zh) * | 2012-03-29 | 2013-10-23 | 腾讯科技(深圳)有限公司 | 一种对用户评价进行情感分析的方法和装置 |
CN103049435A (zh) * | 2013-01-04 | 2013-04-17 | 浙江工商大学 | 文本细粒度情感分析方法及装置 |
CN103207855A (zh) * | 2013-04-12 | 2013-07-17 | 广东工业大学 | 针对产品评论信息的细粒度情感分析系统及方法 |
CN105022805A (zh) * | 2015-07-02 | 2015-11-04 | 四川大学 | 一种基于so-pmi商品评价信息的情感分析方法 |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649603A (zh) * | 2016-11-25 | 2017-05-10 | 北京资采信息技术有限公司 | 一种基于网页文本数据情感分类的指定信息推送方法 |
CN106649603B (zh) * | 2016-11-25 | 2020-11-10 | 北京资采信息技术有限公司 | 一种基于网页文本数据情感分类的指定信息推送方法 |
CN106649270A (zh) * | 2016-12-19 | 2017-05-10 | 四川长虹电器股份有限公司 | 舆情监测分析方法 |
CN108763233A (zh) * | 2017-04-21 | 2018-11-06 | 北京京东尚科信息技术有限公司 | 基于大数据的疑似假货商品识别及分类的方法和装置 |
CN107038609A (zh) * | 2017-04-24 | 2017-08-11 | 广州华企联信息科技有限公司 | 一种基于深度学习的商品推荐方法及系统 |
CN107423356A (zh) * | 2017-05-31 | 2017-12-01 | 北京京东尚科信息技术有限公司 | 评价信息的处理方法及装置、计算机可读介质、电子设备 |
CN107330613A (zh) * | 2017-06-29 | 2017-11-07 | 平安万家医疗投资管理有限责任公司 | 一种舆情监控方法、设备及计算机可读存储介质 |
CN107392718A (zh) * | 2017-07-26 | 2017-11-24 | 四川长虹电器股份有限公司 | 商品推荐方法 |
US11132699B2 (en) | 2017-09-05 | 2021-09-28 | Honda Motor Co., Ltd. | Apparatuses, method, and computer program for acquiring and evaluating information and noise removal |
CN109426987A (zh) * | 2017-09-05 | 2019-03-05 | 本田技研工业株式会社 | 评价装置、评价方法、噪声消除装置和程序存储介质 |
CN107577672A (zh) * | 2017-09-19 | 2018-01-12 | 网智天元科技集团股份有限公司 | 基于舆情设定剧本的方法和装置 |
CN107577672B (zh) * | 2017-09-19 | 2021-07-06 | 网智天元科技集团股份有限公司 | 基于舆情设定剧本的方法和装置 |
CN107645559A (zh) * | 2017-09-30 | 2018-01-30 | 广东美的制冷设备有限公司 | 家电信息推送方法、服务器、移动终端及存储介质 |
CN107645559B (zh) * | 2017-09-30 | 2020-10-09 | 广东美的制冷设备有限公司 | 家电信息推送方法、服务器、移动终端及存储介质 |
CN108170841A (zh) * | 2018-01-16 | 2018-06-15 | 深圳市中易科技有限责任公司 | 一种基于信息价值的手机舆情分析决策方法 |
CN108280688A (zh) * | 2018-01-29 | 2018-07-13 | 京东方科技集团股份有限公司 | 目标物的评论信息分析方法、装置及系统 |
US11017175B2 (en) | 2018-01-29 | 2021-05-25 | Boe Technology Group Co., Ltd. | Method, device and system for analyzing comment data about target |
CN108537428A (zh) * | 2018-03-28 | 2018-09-14 | 校宝在线(杭州)科技股份有限公司 | 一种基于官网变化情况的云服务商服务质量评测方法 |
CN110728131A (zh) * | 2018-06-29 | 2020-01-24 | 北京京东尚科信息技术有限公司 | 一种分析文本属性的方法和装置 |
CN109299256A (zh) * | 2018-09-14 | 2019-02-01 | 成都信息工程大学 | 一种在线观点挖掘方法及系统 |
CN109636440A (zh) * | 2018-11-06 | 2019-04-16 | 航天信息股份有限公司 | 商品满意度的评估方法和装置,存储介质和电子设备 |
CN109657124A (zh) * | 2018-12-14 | 2019-04-19 | 成都德迈安科技有限公司 | 基于消费者行为的舆情监控系统 |
CN111523914B (zh) * | 2019-01-17 | 2023-05-02 | 阿里巴巴集团控股有限公司 | 用户满意度的评测方法、装置、系统和数据显示平台 |
CN111523914A (zh) * | 2019-01-17 | 2020-08-11 | 阿里巴巴集团控股有限公司 | 用户满意度的评测方法、装置、系统和数据显示平台 |
CN109840300A (zh) * | 2019-03-04 | 2019-06-04 | 深信服科技股份有限公司 | 网络舆情分析方法、装置、设备及计算机可读存储介质 |
CN110059922A (zh) * | 2019-03-11 | 2019-07-26 | 北京比速信息科技有限公司 | 基于互联网游客点评数据的线上满意度评价方法 |
CN110134765A (zh) * | 2019-05-05 | 2019-08-16 | 杭州师范大学 | 一种基于情感分析的餐厅用户评论分析系统及方法 |
CN110633312B (zh) * | 2019-09-24 | 2022-03-25 | 四川长虹电器股份有限公司 | 一种基于Mongodb和HanLP的电商舆情分析方法及系统 |
CN110633312A (zh) * | 2019-09-24 | 2019-12-31 | 四川长虹电器股份有限公司 | 一种基于Mongodb和HanLP的电商舆情分析方法及系统 |
CN110706028A (zh) * | 2019-09-26 | 2020-01-17 | 四川长虹电器股份有限公司 | 基于属性特征的商品评价情感分析系统 |
CN111754062A (zh) * | 2019-11-27 | 2020-10-09 | 北京沃东天骏信息技术有限公司 | 物品质量检测模型建立的方法和装置 |
CN111754062B (zh) * | 2019-11-27 | 2023-01-31 | 北京沃东天骏信息技术有限公司 | 物品质量检测模型建立的方法和装置 |
CN113763024A (zh) * | 2021-03-19 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 物品属性挖掘方法、装置及存储介质 |
CN113762764A (zh) * | 2021-09-02 | 2021-12-07 | 南京大学 | 一种进口食品安全风险自动分级与预警系统及方法 |
CN113762764B (zh) * | 2021-09-02 | 2024-04-12 | 南京大学 | 一种进口食品安全风险自动分级与预警系统及方法 |
CN114510555A (zh) * | 2022-02-24 | 2022-05-17 | 平安普惠企业管理有限公司 | 业务策略的制定方法、装置及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106127507A (zh) | 一种基于用户评价信息的商品舆情分析方法及系统 | |
CN110175325B (zh) | 基于词向量和句法特征的评论分析方法及可视化交互界面 | |
CN100565523C (zh) | 一种基于多分类器融合的敏感网页过滤方法及系统 | |
CN107515873B (zh) | 一种垃圾信息识别方法及设备 | |
CN102279851B (zh) | 一种智能导航方法、装置和系统 | |
KR101623052B1 (ko) | 사용자 질의 처리 방법 및 시스템 | |
CN106503101A (zh) | 电商客服自动问答系统语句关键词提取方法 | |
CN108694647A (zh) | 一种商户推荐理由的挖掘方法及装置,电子设备 | |
CN109241525B (zh) | 关键词的提取方法、装置和系统 | |
CN105335348A (zh) | 基于目标语句的依存句法分析方法、装置及服务器 | |
CN101534306A (zh) | 一种钓鱼网站的检测方法及装置 | |
CN111754302A (zh) | 一种基于大数据的视频直播界面商品展示智能管理系统 | |
CN112102037A (zh) | 一种基于大数据的直播电商平台商品内容智能推送管理系统 | |
CN109214008A (zh) | 一种基于关键词提取的情感分析方法及系统 | |
CN110134845A (zh) | 项目舆情监控方法、装置、计算机设备及存储介质 | |
CN110706028A (zh) | 基于属性特征的商品评价情感分析系统 | |
CN103577993B (zh) | 颜色选取方法及装置 | |
TW201820172A (zh) | 對話模式分析系統、方法及非暫態電腦可讀取記錄媒體 | |
CN111177559A (zh) | 文旅服务推荐方法、装置、电子设备及存储介质 | |
CN105787662A (zh) | 基于属性的移动应用软件性能预测方法 | |
CN112948575A (zh) | 文本数据处理方法、装置和计算机可读存储介质 | |
CN110363206B (zh) | 数据对象的聚类、数据处理及数据识别方法 | |
CN111475731B (zh) | 数据处理方法、装置、存储介质及设备 | |
CN104484435A (zh) | 交叉分析用户行为的方法 | |
Wong et al. | Big data in fashion industry: Color cycle mining from runway data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161116 |