CN106557948A - 一种评论信息的展示方法及装置 - Google Patents

Abstract

本申请涉及一种评论信息的展示方法及装置，其中，所述展示方法包括：获取目标对象的评论信息集，所述评论信息集中包括与所述目标对象相关的多条评论信息；按照预设规则，提取所述评论信息集中每条评论信息对应的特征项；为每条评论信息对应的特征项分配权重值；根据分配的权重值，确定每条评论信息对应的质量系数；根据确定的所述质量系数，对所述评论信息集中的评论信息进行排序，并展示排序后的评论信息集。本申请提供的一种评论信息的展示方法及装置，能够按照评论信息质量的高低来向用户展示评论信息。

Description

一种评论信息的展示方法及装置

技术领域

本申请涉及信息处理技术领域，特别涉及一种评论信息的展示方法及装置。

背景技术

在线商品评论是消费者对所购买产品特征及质量、以及售货服务水平的评论，多以文本(部分电子商务平台支持图片)方式呈现。同时电商平台为用户提供了评论有用性投票、打分和回复等功能。在电子商品平台中，评论信息的价值高低在很大程度上取决于评论信息质量的高低。高质量的评论信息往往能对产品本身以及用户体验质量进行全面、准确、一致、及时地描述，差的评论信息往往包含较少的信息，甚至仅仅是对产品规格说明的简单重复。一件畅销商品常常具有几百甚至上千条评论信息，评论信息数量大、质量参差不齐、观点不一致、时效性不强等会影响用户获取到有价值的信息，导致决策失败。消费者通过评论信息进行商品质量的分析与评论时，所涉及的评论信息本身质量高低对商品的质量评论具有较大的影响。同时，商品及服务质量的高低，在很多情况下可以通过分析用户的评论信息加以把握。

然而，现有的对评论信息质量好坏的评估方法主要考虑评论语言的表达方式、评论长度、评论发表者等级、投票等，没有考虑评论信息内容中涉及的有用信息。因此，当前展示给用户的评论信息往往比较杂乱，需要用户通过逐条阅读的方式来获取评论信息中的有用信息。

发明内容

本申请实施方式的目的在于提供一种评论信息的展示方法及装置，能够按照评论信息质量的高低来向用户展示评论信息。

为实现上述目的，本申请一方面提供一种评论信息的展示方法，所述方法包括：获取目标对象的评论信息集，所述评论信息集中包括与所述目标对象相关的多条评论信息；按照预设规则，提取所述评论信息集中每条评论信息对应的特征项；为每条评论信息对应的特征项分配权重值；根据分配的权重值，确定每条评论信息对应的质量系数；根据确定的所述质量系数，对所述评论信息集中的评论信息进行排序，并展示排序后的评论信息集。

进一步地，按照预设规则，提取所述评论信息集中每条评论信息对应的特征项具体包括：根据汉语词法分析系统ICTCLAS对所述评论信息集中的每条评论信息进行分词；将分词后的结果与预设特征集中的各个特征项进行匹配，并将匹配得到的特征项作为评论信息对应的特征项。

进一步地，在对所述评论信息集中的每条评论信息进行分词之后，所述方法还包括：按照预设近义词典为分词后的结果中的近义词指定代表词，并用指定的代表词替换原先拆分得到的词汇。

进一步地，按照下述公式为每条评论信息对应的特征项分配权重值：

其中，w_i为预设评论信息中第i个特征项对应的权重值，t为所述第i个特征项在评论信息集中出现的次数，dl为所述预设评论信息的长度，dl_avg为所述评论信息集中评论信息的平均长度，N为所述评论信息集中评论信息的总数量，df为所述评论信息集中包含所述第i个特征项的评论信息的数量。

进一步地，根据分配的权重值，确定每条评论信息对应的质量系数具体包括：将每条评论信息中包含的各个特征项对应的权重值之和确定为各条评论信息对应的质量系数。

进一步地，在提取所述评论信息集中每条评论信息对应的特征项之后，所述方法还包括：根据评论信息中与特征项存在语义关联的情感词汇，确定每条评论信息中的各个特征项对应的情感倾向；根据每条评论信息中的各个特征项对应的情感倾向，确定所述评论信息集中各个特征项对应的代表情感倾向，并将确定的所述代表情感倾向标注于相应的特征项中。

进一步地，在获取目标对象的评论信息集之后，所述方法还包括：判断所述评论信息集中评论信息的格式是否与预设格式相适配，并且将不适配的评论信息进行格式转换，以使得所述评论信息集中的每条评论信息均与所述预设格式相适配。

为实现上述目的，本申请另一方面提供一种评论信息的展示装置，所述装置包括：评论信息集获取单元，用于获取目标对象的评论信息集，所述评论信息集中包括与所述目标对象相关的多条评论信息；特征项提取单元，用于按照预设规则，提取所述评论信息集中每条评论信息对应的特征项；权重值分配单元，用于为每条评论信息对应的特征项分配权重值；质量系数确定单元，用于根据分配的权重值，确定每条评论信息对应的质量系数；排序展示单元，用于根据确定的所述质量系数，对所述评论信息集中的评论信息进行排序，并展示排序后的评论信息集。

进一步地，所述特征项提取单元具体包括：分词模块，用于根据汉语词法分析系统ICTCLAS对所述评论信息集中的每条评论信息进行分词；匹配模块，用于将分词后的结果与预设特征集中的各个特征项进行匹配，并将匹配得到的特征项作为评论信息对应的特征项。

进一步地，所述权重值分配单元按照下述公式为每条评论信息对应的特征项分配权重值：

其中，w_i为预设评论信息中第i个特征项对应的权重值，t为所述第i个特征项在评论信息集中出现的次数，dl为所述预设评论信息的长度，dl_avg为所述评论信息集中评论信息的平均长度，N为所述评论信息集中评论信息的总数量，df为所述评论信息集中包含所述第i个特征项的评论信息的数量。

由以上本申请实施方式提供的技术方案可见，本申请实施方式对目标对象的每条评论信息进行特征项提取，并且为每个特征项分配相应的权重值。这样，对于能够反映目标对象自身特点的特征项而言，能够被分配到较高的权重值。这样，根据分配的权重值便可以确定每条评论信息的质量系数，从而可以根据质量系数来对评论信息集中的评论信息进行排序。这样便可以将质量较高的评论信息优先展示给用户，从而能够为用户优先展示包含较多有用信息的评论信息。

附图说明

图1为本申请实施方式提供的一种评论信息的展示方法的流程图；

图2为本申请实施方式提供的一种评论信息的展示装置的功能模块图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，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方式，都应当属于本申请保护的范围。

请参阅图1，本申请实施方式提供的一种评论信息的展示方法可以包括以下步骤。

步骤S1：获取目标对象的评论信息集，所述评论信息集中包括与所述目标对象相关的多条评论信息。

在本实施方式中，所述目标对象可以为网络平台中出售的产品或服务。所述目标对象可以为实体的物品。例如生活用品、电脑耗材、食品、电子设备等等。所述目标对象也可以为虚拟的商品。例如游戏币、家政服务等。

在本实施方式中，所述目标对象表示的产品或服务可以通过网络销售平台进行销售。所述网络销售平台例如可以为淘宝、京东、亚马逊等等。各个网络销售平台可以分别对应一个应用程序，用户通过该应用程序便可以完成对目标对象表示的产品或服务的购买以及评论。所述应用程序例如可以为运行于终端设备上的淘宝客户端、天猫客户端、京东客户端等等。在所述应用程序中可以针对每个产品或服务均设置评论区，在所述评论区内可以展示购买该产品或服务的用户录入的评论信息。

在本实施方式中，所述产品或服务的评论信息可以存储于与所述应用程序相对应的后台业务服务器中，所述产品或服务的评论信息可以形成所述的评论信息集，在所述评论信息集中包括至少一条该产品或服务的评论信息。

在本实施方式中，执行获取所述目标对象的评论信息集这一步骤的主体可以为所述应用程序对应的后台业务服务器。在所述后台业务服务器中可以存储有多个目标对象的评论信息集，相关联的目标对象和评论信息集均可以携带相同的标识，该标识例如可以为目标对象在网络销售平台中的数字编号。所述后台业务服务器通过指定的标识，从而可以获取与所述指定的标识相对应的产品或服务的评论信息集。

在本实施方式中，执行获取所述目标对象的评论信息集这一步骤的主体还可以为具备数据存储和计算功能的设备。所述设备例如可以为移动智能电话、计算机(包括笔记本电脑，台式电脑，服务器)、平板电子设备、个人数字助理(PDA)或者智能可穿戴设备。所述设备可以访问所述应用程序对应的后台业务服务器。这样，所述设备通过指定的标识，从而可以从所述后台业务服务器中获取与所述指定的标识相对应的产品或服务的评论信息集。

在本实施方式中，获取所述目标对象的评论信息集的方式可以包括：通过后台业务服务器提供的接口或者通过网络爬虫等数据采集技术从存储所述评论信息集的存储介质中读取所述目标对象的评论信息集。具体地，在存储介质中可以存储有多个目标对象的评论信息集，相关联的目标对象和评论信息集均可以携带相同的标识，该标识例如可以为目标对象在网络销售平台中的数字编号。通过指定的标识，从而可以从所述存储介质中读取与所述指定的标识相对应的产品或服务的评论信息集。

在本实施方式中，在获取到评论信息集之后，为了统一不同用户的不同语言习惯，可以判断所述评论信息集中评论信息的格式是否与预设格式相适配，并且将不适配的评论信息进行格式转换，以使得所述评论信息集中的每条评论信息均与所述预设格式相适配。所述预设格式可以为符合汉语正常表述习惯的格式，例如主谓宾的语法结构。所述格式转换可以包括词序转换，将评论信息中的词序按照预设格式中的词序进行调整，从而使得调整后的评论信息更加符合汉语的正常表述。

步骤S2：按照预设规则，提取所述评论信息集中每条评论信息对应的特征项。

在本实施方式中，对于不同的目标对象，评论信息中涉及的有用信息往往也不同。例如，对于连衣裙而言，评论信息中涉及“裙边”、“腰身”、“花色”的内容就是有用信息。而对于“物流”、“服务态度”这些尽管也是比较有用的信息，但并不能反映连衣裙本身的属性。因此，在本实施方式中，可以将评论信息中所有的有用信息都提取出来，然后根据提取出的有用信息的具体属性，来综合对评论信息进行质量评定。

在本实施方式中，评论信息中的各个有用信息均可以作为评论信息中的特征项。例如上述的“裙边”、“腰身”、“花色”、“物流”、“服务态度”这些，均可以作为评论信息的特征项。具体地，可以根据汉语词法分析系统ICTCLAS(Institute of Computing Technology,Chinese Lexical Analysis System)对所述评论信息集中的每条评论信息进行分词。经过分词处理之后，每条评论信息便可以拆分为多个符合汉语用词习惯的词汇。

在本实施方式中，可以将分词后的结果与预设特征集中的各个特征项进行匹配，并将匹配得到的特征项作为评论信息对应的特征项。所述预设特征集可以是基于深度学习算法，对各种产品的历史评论信息训练得到的。所述预设特征集中可以包含各个产品分别对应的特征项，例如“颜色”、“质地”、“腰身”、“衣领”、“袖口”等等。通过与预设特征集进行匹配之后，便可以从分词后的结果中筛选出与目标对象相关的特征项。

在本实施方式中，由于用户语言表达习惯的不同，对于同一个属性可能存在多个意思相近的词汇。例如，对于“衣领”这个属性而言，用户可以在评论信息中表达为“领子”、“领口”、“衣领”等。这样，为了统一意思相近的特征项，在本实施方式中可以按照预设近义词典为分词后的结果中的近义词指定代表词，并用指定的代表词替换原先拆分得到的词汇。在所述预设近义词典中包括多个意思相近的词汇的集合。位于同一个集合中的词汇描述的含义均相同或者相近，并且每个集合均可以对应一个代表词汇。这样，在将评论信息拆分为各个词汇，并提取了特征项之后，可以将意思相近的特征项用一个统一的代表词来表示。例如，对于上述的“领子”、“领口”、“衣领”这些特征项，可以统一用“衣领”来表示。

步骤S3：为每条评论信息对应的特征项分配权重值。

在本实施方式中，在提取得到每条评论信息的特征项后，可以为各个特征项分配相对应的权重值，所述权重值可以反映特征项的重要程度。在本实施方式中可以采用TF-IDF的算法来为各个特征项分配权重值。具体地，可以按照下述公式为每条评论信息对应的特征项分配权重值：

其中，w_i为预设评论信息中第i个特征项对应的权重值，t为所述第i个特征项在评论信息集中出现的次数，dl为所述预设评论信息的长度，dl_avg为所述评论信息集中评论信息的平均长度，N为所述评论信息集中评论信息的总数量，df为所述评论信息集中包含所述第i个特征项的评论信息的数量。

在本实施方式中，按照上述公式进行权重值分配的意义在于，假设在连衣裙的评论信息中，与裙摆相关的评论信息的数量为100条，连衣裙的评论信息的总数量为120条。而在整个淘宝平台中所有产品的集合中，与连衣裙的裙摆相关的评论信息的数量为1000条，而评论信息的总数量为20000条，这样的数据表明，连衣裙的裙摆在连衣裙产品中的关注度比较高，但是在整个淘宝平台的所有产品中的关注度并不高(原因在于其他产品可能并没有裙摆)，也就是说，裙摆这一特征项对于连衣裙而言是比较重要的特征项，那么分配的权重值也较大。而对于“物流”这一特征项，尽管其在连衣裙这一产品的评论信息中出现的次数也相当高。例如120条评论信息中110条均提到了物流，但由于物流这一特征项在整个淘宝平台的所有产品中出现的次数也非常高。例如20000条评论信息中出现了18000条，那么物流这个特征项就不能准确地反映连衣裙本身的特性，因此其对应的权重值就会远远小于裙摆的权重值。

步骤S4：根据分配的权重值，确定每条评论信息对应的质量系数。

在本实施方式中，每条评论信息中均可以包含至少一个特征项。在为各个特征项分配了权重值之后，由于权重值的大小可以表征特征项的重要程度，因此可以将每条评论信息中包含的各个特征项对应的权重值之和确定为各条评论信息对应的质量系数。这样，质量系数的高低便可以代表评论信息质量的高低。例如，“这件连衣裙的袖口设计很精致，腰身也适合偏瘦的人群，裙摆非常好看”这条评论信息对应的质量系数就远远高于“物流不错，下次会再买”这样的评论信息。

步骤S5：根据确定的所述质量系数，对所述评论信息集中的评论信息进行排序，并展示排序后的评论信息集。

在本实施方式中，在确定了每条评论信息的质量系数之后，便可以按照质量系数从大到小的顺序对各条评论信息进行排序。这样，在目标对象的评论区便可以优先向用户展示质量系数高的评论信息，从而可以更加直接地给用户提供更加有用的信息。

在本申请一个实施方式中，用户在描述一个特征项时，通常会用带有情感的词汇进行描述。例如“裙摆很好看”中，裙摆可以作为特征项，而好看就是用于修饰裙摆这个特征项的情感词汇。在本实施方式中，可以根据用户对特征项的评价，来确定该特征项的整体情感倾向。具体地，可以根据评论信息中与特征项存在语义关联的情感词汇，确定每条评论信息中的各个特征项对应的情感倾向。然后可以根据每条评论信息中的各个特征项对应的情感倾向，确定所述评论信息集中各个特征项对应的代表情感倾向，并将确定的所述代表情感倾向标注于相应的特征项中。在确定某个特征项的代表情感倾向时，可以分析该特征项的情感倾向中是积极情感多，还是消极情感多。例如，对于裙摆这个特征项，有100条评论信息是表达消极情感的，而有5000条评论信息是表达积极情感的，那么可以将裙摆这个特征项的代表情感倾向确定为积极情感，也就是好评。这样，在确定出每个特征项对应的代表情感倾向时，可以将确定的所述代表情感倾向标注于相应的特征项中，从而给用户提供更加直观的信息。

请参阅图2，本申请还提供一种评论信息的展示装置，所述装置包括：

评论信息集获取单元100，用于获取目标对象的评论信息集，所述评论信息集中包括与所述目标对象相关的多条评论信息；

特征项提取单元200，用于按照预设规则，提取所述评论信息集中每条评论信息对应的特征项；

权重值分配单元300，用于为每条评论信息对应的特征项分配权重值；

质量系数确定单元400，用于根据分配的权重值，确定每条评论信息对应的质量系数；

排序展示单元500，用于根据确定的所述质量系数，对所述评论信息集中的评论信息进行排序，并展示排序后的评论信息集。

在本申请一个实施方式中，所述特征项提取单元200具体包括：

分词模块，用于根据汉语词法分析系统ICTCLAS对所述评论信息集中的每条评论信息进行分词；

匹配模块，用于将分词后的结果与预设特征集中的各个特征项进行匹配，并将匹配得到的特征项作为评论信息对应的特征项。

在本申请一个实施方式中，所述权重值分配单元300按照下述公式为每条评论信息对应的特征项分配权重值：

其中，w_i为预设评论信息中第i个特征项对应的权重值，t为所述第i个特征项在评论信息集中出现的次数，dl为所述预设评论信息的长度，dl_avg为所述评论信息集中评论信息的平均长度，N为所述评论信息集中评论信息的总数量，df为所述评论信息集中包含所述第i个特征项的评论信息的数量。

由以上本申请实施方式提供的技术方案可见，本申请实施方式对目标对象的每条评论信息进行特征项提取，并且为每个特征项分配相应的权重值。这样，对于能够反映目标对象自身特点的特征项而言，能够被分配到较高的权重值。这样，根据分配的权重值便可以确定每条评论信息的质量系数，从而可以根据质量系数来对评论信息集中的评论信息进行排序。这样便可以将质量较高的评论信息优先展示给用户，从而能够为用户优先展示包含较多有用信息的评论信息。

上面对本申请的各种实施方式的描述以描述的目的提供给本领域技术人员。其不旨在是穷举的、或者不旨在将本发明限制于单个公开的实施方式。如上所述，本申请的各种替代和变化对于上述技术所属领域技术人员而言将是显而易见的。因此，虽然已经具体讨论了一些另选的实施方式，但是其它实施方式将是显而易见的，或者本领域技术人员相对容易得出。本申请旨在包括在此已经讨论过的本发明的所有替代、修改、和变化，以及落在上述申请的精神和范围内的其它实施方式。

Claims (10)

1.一种评论信息的展示方法，其特征在于，所述展示方法包括：

获取目标对象的评论信息集，所述评论信息集中包括与所述目标对象相关的多条评论信息；

按照预设规则，提取所述评论信息集中每条评论信息对应的特征项；

为每条评论信息对应的特征项分配权重值；

根据分配的权重值，确定每条评论信息对应的质量系数；

根据确定的所述质量系数，对所述评论信息集中的评论信息进行排序，并展示排序后的评论信息集。

2.根据权利要求1所述的展示方法，其特征在于，按照预设规则，提取所述评论信息集中每条评论信息对应的特征项具体包括：

根据汉语词法分析系统ICTCLAS对所述评论信息集中的每条评论信息进行分词；

将分词后的结果与预设特征集中的各个特征项进行匹配，并将匹配得到的特征项作为评论信息对应的特征项。

3.根据权利要求2所述的展示方法，其特征在于，在对所述评论信息集中的每条评论信息进行分词之后，所述方法还包括：

按照预设近义词典为分词后的结果中的近义词指定代表词，并用指定的代表词替换原先拆分得到的词汇。

4.根据权利要求1所述的展示方法，其特征在于，按照下述公式为每条评论信息对应的特征项分配权重值：

$w_i=\frac{t}{t+0.5+1.5\frac{dl}{{\mathrm{dl}}_{avg}}}\·\frac{log\left(\frac{N+0.5}{df}\right)}{\log (N+1)}$

其中，w_i为预设评论信息中第i个特征项对应的权重值，t为所述第i个特征项在评论信息集中出现的次数，dl为所述预设评论信息的长度，dl_avg为所述评论信息集中评论信息的平均长度，N为所述评论信息集中评论信息的总数量，df为所述评论信息集中包含所述第i个特征项的评论信息的数量。

5.根据权利要求1所述的展示方法，其特征在于，根据分配的权重值，确定每条评论信息对应的质量系数具体包括：

将每条评论信息中包含的各个特征项对应的权重值之和确定为各条评论信息对应的质量系数。

6.根据权利要求1所述的展示方法，其特征在于，在提取所述评论信息集中每条评论信息对应的特征项之后，所述方法还包括：

根据评论信息中与特征项存在语义关联的情感词汇，确定每条评论信息中的各个特征项对应的情感倾向；

根据每条评论信息中的各个特征项对应的情感倾向，确定所述评论信息集中各个特征项对应的代表情感倾向，并将确定的所述代表情感倾向标注于相应的特征项中。

7.根据权利要求1所述的展示方法，其特征在于，在获取目标对象的评论信息集之后，所述方法还包括：

判断所述评论信息集中评论信息的格式是否与预设格式相适配，并且将不适配的评论信息进行格式转换，以使得所述评论信息集中的每条评论信息均与所述预设格式相适配。

8.一种评论信息的展示装置，其特征在于，所述展示装置包括：

评论信息集获取单元，用于获取目标对象的评论信息集，所述评论信息集中包括与所述目标对象相关的多条评论信息；

特征项提取单元，用于按照预设规则，提取所述评论信息集中每条评论信息对应的特征项；

权重值分配单元，用于为每条评论信息对应的特征项分配权重值；

质量系数确定单元，用于根据分配的权重值，确定每条评论信息对应的质量系数；

排序展示单元，用于根据确定的所述质量系数，对所述评论信息集中的评论信息进行排序，并展示排序后的评论信息集。

9.根据权利要求8所述的展示装置，其特征在于，所述特征项提取单元具体包括：

分词模块，用于根据汉语词法分析系统ICTCLAS对所述评论信息集中的每条评论信息进行分词；

匹配模块，用于将分词后的结果与预设特征集中的各个特征项进行匹配，并将匹配得到的特征项作为评论信息对应的特征项。

10.根据权利要求8所述的展示装置，其特征在于，所述权重值分配单元按照下述公式为每条评论信息对应的特征项分配权重值：

$w_i=\frac{t}{t+0.5+1.5\frac{dl}{{\mathrm{dl}}_{avg}}}\·\frac{log\left(\frac{N+0.5}{df}\right)}{\log (N+1)}$

其中，w_i为预设评论信息中第i个特征项对应的权重值，t为所述第i个特征项在评论信息集中出现的次数，dl为所述预设评论信息的长度，dl_avg为所述评论信息集中评论信息的平均长度，N为所述评论信息集中评论信息的总数量，df为所述评论信息集中包含所述第i个特征项的评论信息的数量。