CN107423356A - 评价信息的处理方法及装置、计算机可读介质、电子设备 - Google Patents
评价信息的处理方法及装置、计算机可读介质、电子设备 Download PDFInfo
- Publication number
- CN107423356A CN107423356A CN201710399774.XA CN201710399774A CN107423356A CN 107423356 A CN107423356 A CN 107423356A CN 201710399774 A CN201710399774 A CN 201710399774A CN 107423356 A CN107423356 A CN 107423356A
- Authority
- CN
- China
- Prior art keywords
- evaluation information
- evaluation
- word
- product features
- availability
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Finance (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种评价信息的处理方法及装置、计算机可读介质、电子设备。该评价信息的处理方法包括:获取商品的评价信息和所述商品的属性信息;分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量;根据所述评价特征向量和所述商品特征向量获取所述评价信息的有效度。本公开基于商品的属性信息来处理用户对商品的评价信息,得到评价信息的有效度,可以提高系统效率、减少资源浪费。
Description
技术领域
本公开涉及数据处理相关技术领域,尤其涉及一种评价信息的处理方法及装置、计算机可读介质、电子设备。
背景技术
目前,互联网电子商务(以下简称电商)的购物网站一般允许网购用户购物后对商品、服务等进行在线评价,一般允许用户自由随意发表购物体验感受、商品质量问题、商家服务情况等内容。
针对用户对购买商品后发表的评论或评价信息,商家或电商平台会有专门的客服人员进行筛选回复,维护与用户的关系,形成良好的服务口碑和品牌形象。
实际中,并非所有的用户评价都是有效的。网络空间中,由于匿名、非接触、沟通成本低等特点,有些用户并不一定做有效的评价,评价内容质量参差不齐,会对后续新用户购买前查看历史评价造成干扰,增加无效信息过滤的成本。与此同时,对于电商企业或者平台上的商家的售后客服人员来说,需要负责对用户评价的内容进行针对性回复,解决差评用户的问题,提升用户购物体验。但是在电商网站中的商品数量在百万、千万级别,热销商品的评价量也达到几万到几百万,给后台客服人员回复时带来很大困难,不能对所有评价全部浏览和回复。
因此,如何筛选出最有效的、最有价值的用户评价进行回复,是客服日常工作中最亟待解决的问题之一。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种评价信息的处理方法及装置、计算机可读介质、电子设备,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一个方面,提供一种评价信息的有效度处理方法,包括:获取商品的评价信息和所述商品的属性信息;分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量;根据所述评价特征向量和所述商品特征向量获取所述评价信息的有效度。
在本公开的一种示例性实施例中,分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量包括:分别对所述评价信息和所述属性信息进行分词,获得第一评价特征词和第一商品特征词;分别对所述第一评价特征词和所述第一商品特征词进行去禁词处理,获得第二评价特征词及其词频集合和第二商品特征词及其词频集合。
在本公开的一种示例性实施例中,分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量还包括:导入配置模板对所述第二商品特征词及其词频集合进行扩充,所述配置模板包括所述商品的第三商品特征词及其词频。
在本公开的一种示例性实施例中,分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量还包括:分别对所述第二评价特征词及其词频集合和所述第二商品特征词及其词频集合进行归一化处理,获得所述评价特征向量和所述商品特征向量。
在本公开的一种示例性实施例中,根据所述评价特征向量和所述商品特征向量获取所述评价信息的有效度包括:合并所述评价特征向量和所述商品特征向量;根据合并后的向量计算所述有效度。
在本公开的一种示例性实施例中,所述方法还包括:根据预设业务规则筛选所述评价信息。
在本公开的一种示例性实施例中,所述预设业务规则包括用户属性和/或业务属性。
在本公开的一种示例性实施例中,所述方法还包括:判断所述有效度是否大于预设阈值;当所述有效度小于等于所述预设阈值时,过滤所述评价信息。
在本公开的一种示例性实施例中,所述方法还包括:将所述评价信息根据其对应的有效度的大小进行降序排列。
在本公开的一种示例性实施例中,所述方法还包括:根据排序结果选择相应的评价信息进行回复。
根据本公开的一个方面,提供一种评价信息的有效度处理装置,包括:信息采集模块,用于获取商品的评价信息和所述商品的属性信息;数据处理模块,用于分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量;有效度获取模块,用于根据所述评价特征向量和所述商品特征向量获取所述评价信息的有效度。
根据本公开的一个方面,提供一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述的评价信息的有效度处理方法。
根据本公开的一个方面,提供一种电子设备,包括:一个或多个处理器;以及存储装置,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述的评价信息的有效度处理方法。
本公开示例性实施方式所提供的评价信息的处理方法及装置,基于商品的属性信息来处理用户对商品的评价信息,得到评价信息的有效度,可以提高系统效率、减少资源浪费。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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他的附图。
图1示意性示出可以应用本申请的评价信息的处理方法或处理装置的系统架构图。
图2示意性示出现有技术中一种客服回复用户评价的流程图。
图3示意性示出本公开示例性实施例中一种评价信息的处理方法的流程图。
图4示意性示出本公开示例性实施例中一种评价信息的处理方法的示意图。
图5示意性示出本公开示例性实施例中一种评价信息的有效度的处理方法的流程图。
图6示意性示出本公开示例性实施例中一种商品的属性信息的示意图。
图7示意性示出本公开示例性实施例中另一种评价信息的处理方法的流程图。
图8示意性示出本公开示例性实施例中又一种评价信息的处理方法的流程图。
图9示意性示出本公开示例性实施例中一种评价信息的处理装置的框图。
图10示意性示出本公开示例性实施例中的电子设备的模块示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示意性示出可以应用本申请的评价信息的处理方法或处理装置的系统架构图。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯用户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱用户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103提交用户评价等提供支持的后台管理服务器。后台管理服务器可以对接收到的用户评价等数据进行分析等处理,并将处理结果(例如排序后的用户评价)反馈给终端设备。
需要说明的是,本申请实施例所提供的评价信息的处理方法一般由服务器105执行,相应地,评价信息的处理装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
现有情况下,用户在网站购物下单,商品配送完成后,系统会提示用户对该次商品购物进行评价,用户评价后即完成本次购物流程。为保证用户体验,无论是企业自营商品还是电商平台上的商家销售的商品,一般均设有售后客服人员进行评价的管理和维护,售后客服人员的主要工作是先查看评价内容,然后自身的经验判断选择哪些用户的评价给予针对性的回复。
由于售后客服人员选择回复的用户评价带有主观和随机性,且筛选评价的过程费时耗力还往往不能找到有效的用户评价,使得品牌维系和服务体验的效果较差。
图2示意性示出现有技术中一种客服回复用户评价的流程图。
如图2所示,客服回复评价整体流程如下:
第一部分是用户购买及评价过程,电商网站的系统可以实现用户在前台网站对商品浏览选择、下单结算;后台网站服务提供商家商品发货和配送;最后用户收货完成后进行评价,评价结束后系统会存储评价结果并显示到该商品的商品详情页的评论区。
第二部分是售后客服人员的回复评价阶段,售后客服人员浏览评价内容和根据自身经验,选择用户评价进行回复。客服的回复可以帮助增加好评用户的体验,对差评用户的问题进行针对性解决。客服回复后,回复内容会同步到网站前台,对原始评价的用户在登录后可以收到通知自己评价内容被客服人员回复后的提醒消息。对其他浏览该商品详情页的用户,可以查看之前购买的用户评价和客服回复,加深对商品的了解,帮助商品购买前的综合判断。
现有技术这种客服选择评价进行回复的方法的缺点是:客服人员进行用户评价的回复处理时,选择评价带有非常强的随意性,基本上是依靠自己的经验对评价进行查看、分析、过滤等,然后再做回复,这个过程非常耗时耗力,且效果较差,在海量的评价中不能快速有效的找到非常有价值的用户评价信息,所以造成客服人员在服务过程中效率较低和资源浪费的问题。
本发明实施例的一个目的是采用一个有效的评价信息的处理方法及装置来处理商品的用户评价数据,建立一套能够有效匹配商品特征与用户评价的关联度模型,从而实现客服在处理回复用户评价时,可以通过基于模型计算的评价有效度和结果排序,实现有效筛选用户评价。本发明实施例通过对商品特征和用户评价的信息关联使用,有效解决了客服人员筛选评价效率较低和资源浪费的情况。
图3示意性示出本公开示例性实施例中一种评价信息的处理方法的流程图。如图3所示,该评价信息的处理方法可以包括以下步骤。
在步骤S110中,获取商品的评价信息和所述商品的属性信息。
在一些实施例中,用户对商品的评价或评论也可以包括上传图片晒单的方式,由于图片的处理方法具有特殊性,后续仅针对用户发表的评价的文字内容进行讨论。
在步骤S120中,分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量。
在示例性实施例中,分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量可以包括:分别对所述评价信息和所述属性信息进行分词,获得第一评价特征词和第一商品特征词;分别对所述第一评价特征词和所述第一商品特征词进行去禁词处理,获得第二评价特征词及其词频集合和第二商品特征词及其词频集合。
在示例性实施例中,分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量还可以包括:导入配置模板对所述第二商品特征词及其词频集合进行扩充,所述配置模板包括所述商品的第三商品特征词及其词频。
在示例性实施例中,分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量还可以包括:分别对所述第二评价特征词及其词频集合和所述第二商品特征词及其词频集合进行归一化处理,获得所述评价特征向量和所述商品特征向量。
在步骤S130中,根据所述评价特征向量和所述商品特征向量获取所述评价信息的有效度。
在示例性实施例中,根据所述评价特征向量和所述商品特征向量获取所述评价信息的有效度可以包括:合并所述评价特征向量和所述商品特征向量;根据合并后的向量计算所述有效度。
在示例性实施例中,所述方法还可以包括:根据预设业务规则筛选所述评价信息。
在示例性实施例中,所述预设业务规则可以包括用户属性和/或业务属性等。
在示例性实施例中,所述方法还可以包括:判断所述有效度是否大于预设阈值;当所述有效度小于等于所述预设阈值时,过滤所述评价信息。
在示例性实施例中,所述方法还可以包括:将所述评价信息根据其对应的有效度的大小进行降序排列。
在示例性实施例中,所述方法还可以包括:根据排序结果选择相应的评价信息进行回复。
本发明实施方式提供的评价信息的处理方法,通过建立一套自动化处理用户购买商品的评价回复的文本的模型,实现商品特征与用户评价文本关联度的模型来计算评价有效度。同时,该方法还可以应用于客服人员挑选用户评价的场景中,根据计算得到的评价有效度输出建议回复评价的结果,从而可以解决现有技术中客服人员挑选用户评价的随意性问题。
图4示意性示出本公开示例性实施例中一种评价信息的处理方法的示意图。
如图4所示,该评价信息的处理方法整体上可以包括四个部分,即:下单和评价、商品评价库、评价有效度处理以及客服回复。
其中,下单和评价实现用户在电商网站的业务流程操作,比如浏览、下单、结算,以及实物配送用户收货后,进行对购买商品的评价功能;商品评价库是将用户对商品的评价内容进行存储的数据库;客服回复功能是提供给客服人员操作的后台系统,主要功能是客服人员选择用户的评价内容进行回复,然后显示到前台网站的用户评价区中。
本发明实施例中,评价有效度处理可以包括4个步骤,分别是数据采集、数据处理、商品特征与用户评价关联度计算以及用户评价有效度输出。负责处理用户对商品评价的文本数据并与商品特征关联建模,计算评价有效度并输出排序结果。该评价有效度的输出,可以作为后续客服人员筛选评价进行回复的依据。
图5示意性示出本公开示例性实施例中一种评价信息的有效度的处理方法的流程图。如图5所示,该评价信息的有效度的处理方法可以包括以下步骤。
在步骤S210中,采集商品评价库的商品的评价信息和商品的属性信息。
本发明实施例中,数据采集步骤可以负责采集商品评价库中的用户对商品的评价数据,数据内容可以为用户对购买商品的评价的文本数据。此数据采集结果应用到下面的数据处理步骤中,作为文本向量化处理的基础来源数据;另外,此数据采集步骤还可以采集用户评价的商品的特征数据,数据内容可以为商品属性特征的文本数据,并经过后面向量处理后,提供做相似性比对的基础数据。
在步骤S220中,处理上述步骤S210采集数据,形成文本向量。
本发明实施例中,该数据处理步骤可以负责对上一步采集到的用户对商品的评价文本数据和商品特征描述的文本数据进行处理,形成评价内容的特征词集的向量表示和商品特征词集的向量表示,该数据处理步骤处理之后的数据结果作为商品特征与用户评价关联度计算步骤的输入。
在步骤S230中,通过文本向量相似性计算所述评价信息和所述属性信息之间的关联度,作为所述评价信息的有效度结果。
本发明实施例中,商品特征与用户评价关联度计算步骤可以负责通过应用当前用户评价和商品特征的向量相似性匹配模型,计算出与商品特征关联的评价有效度值。
在步骤S240中,对该商品下的评价有效度进行排序,输出结果。
本发明实施例中,用户评价有效度输出步骤可以将上一步计算结果根据业务规则筛选最终结果,输出到客服人员在对当前商品用户评价的回复环节。
对以上四个步骤,详细说明如下:
1、数据采集步骤
(1)该步骤主要实现从商品评价库中获取存储的用户的商品评价的文本数据,内容如下:
数据的信息组成如下:
采集到的数据存储到表t1,以购买某品牌U盘的用户评价为例,采集到的数据如下:
上述表t1中:
a)评价id是1至N的正整数,表示用户评价的记录编号;
b)商品id:用户购买的商品的编号,商品评价库中基于商品id存储每个用户的评价。
c)用户id:购买商品后的发表评价的用户id,按订单记录每一次购买的用户的评价,一个用户可以有多次评价,表t1中会记录同一个用户id的多条记录。
本发明实施例中,在表t1中,评价id是唯一主键,即一个订单生成一个评价id。一个用户多次购买同一商品,即一个用户有多个订单时,会产生多个评价id,而商品id和用户id是相同的。
d)评价结果:用户选择的好评、中评、差评三者之一。
e)评价内容:用户输入的对购买商品的评价。
f)评价时间:用户输入评价的系统记录时间。
本发明实施例中,对于表t1的数据采集的时间可以是T+1,即采集昨天的所有用户评价数据,但本公开并不限定于此。
(2)采集商品特征(或者商品属性)的数据:
商品的特征数据主要是指电商平台发布的商品基本信息(例如商品名称、品牌、广告卖点等)、商品功能特性和参数信息(例如下面例子中的“接口”、“容量”、“外壳材质”等)。用户通过浏览这些产品的特征描述,了解商品的各个方面,作为用户购买的参考。图6示意性示出本公开示例性实施例中一种商品的属性信息的示意图。
采集商品特征的数据,将所有特征文本存储到一个字段中,采集格式可以如下所示:
商品编号 | 商品特征描述 |
采集到的数据存储到表t2,示例如下:
图7示意性示出本公开示例性实施例中另一种评价信息的处理方法的流程图。
如图7所示,该评价信息的处理方法的主要功能是实现文本的信息处理,包括文本分词、去禁词、特征词集以及特征向量的生成,商品特征向量与评价特征向量的相似度计算,最后得到评价有效度的数值结果。数据处理过程如下所示:
将采集到的商品评价库中的商品的用户的评价数据和商品信息对应的商品特征描述的文本信息后,对其进行处理。处理过程可以分两步:首先用分词工具将文本进行分词和去禁词,得到用户评价文本和商品特征描述文本的特征词集和词频;其次,通过构建评价特征向量和商品特征向量,使用向量的相似度计算方法,计算当前的评价文本的特征词向量与商品特征描述的特征词向量的相似度,计算结果即作为评价有效度的数值。
上述用分词工具将文本进行分词,例如可以采用常见的分词工具,比如中科院ICTCLAS分词系统,本公开对此不作限定。需要说明的是,本发明实施例中分词指的是将句子按词进行拆分;去禁词指的是去掉业务不需要的无关的词,比如“的,地,得”或者“在,刚,现在”等介词和副词等,增加业务相关的词比如“u盘”,“usb”等词。
具体计算步骤,举例说明如下:
第一步:根据前面采集到的表t1和表t2数据,对评价内容和商品特征描述字段的文本内容进行处理,经过分词、去禁词,生成用户评价和商品特征的词集,结果展示如下:
(1)评价内容的特征词集
得到特征词集后,计算每个评价id的词频,得到评价特征词和词频集合,以评价id=1为例:d1={(速度,1),(3.0,2),(2.0,1),(接口,3),(u盘,1),(文件,2),(加密,1)}。其中d1表示评价id=1的评价特征词和词频集合;其中每个元素用(wi,ni)表示,含义:wi表示第i个词,ni表示第i个词的词频,如(速度,1)表示词“速度”,出现的频数为1。类似的,其他评价按评价id转成评价特征词和词频集合表示为d1,d2,d3,……,dn。
(2)商品特征描述的特征词集
得到特征词集后,统计得到商品特征词和词频集合,以商品编号=sku_01为例:t1={(闪迪,3),(SanDisk,3),(酷铄,3),(USB3.0,3),(金属,3),(U盘,1),(64GB,4),(150MB,1),(品牌,2),(接口,2),(产品,1),(特性,2),(加密,1),(迷你型,1),(容量,2),(型号,1),(颜色,1),(银色,1),(外壳,1),(材质,1),(规格,1),(指示灯,1),(尺寸,1),(重量,1),(钥匙孔,1),(独特,1),(设计,1),(精致,1),(携带,1),(质保,1),(品质,1),(包装,1),(清单,1),(闪存,1)}。
类似的,其他商品的特征描述按商品编号转成商品特征词和词频集合表示为t1,t2,t3,……,tm。
(3)商品特征描述的特征词集的扩充
商品特征词和权重配置主要是实现对商品特征描述的特征词集处理后的商品特征词和词频集合的扩充的功能。
本发明实施例中,可以依据经验,经过系统导入配置模板:
商品编号 | 特征词 | 权重 |
例如,对商品sku_01,进行特征词集的扩充,可以导入以下数据:
商品编号 | 特征词 | 权重 |
sku_01 | 速度 | 3 |
sku_01 | 质量 | 1 |
sku_01 | 读取 | 2 |
其中,导入的特征词和权重,如原来特征词已存在,则用导入的数据替换原来的数据。
经过扩充后,得到新的商品特征词和词频集合,还是以商品编号=sku_01为例:t1={(闪迪,3),(SanDisk,3),(酷铄,3),(USB3.0,3),(金属,3),(U盘,1),(64GB,4),(150MB,1),(品牌,2),(接口,2),(产品,1),(特性,2),(加密,1),(迷你型,1),(容量,2),(型号,1),(颜色,1),(银色,1),(外壳,1),(材质,1),(规格,1),(指示灯,1),(尺寸,1),(重量,1),(钥匙孔,1),(独特,1),(设计,1),(精致,1),(携带,1),(质保,1),(品质,1),(包装,1),(清单,1),(闪存,1),(速度,3),(质量,1),(读取,2)}。
第二步:通过构建评价特征向量和商品特征向量,进行向量的相似度计算,得到用户评价的有效度。
首先,将评价特征词和词频,归一化处理,得到评价特征向量;并将商品特征词和词频,归一化处理,得到商品特征向量。
本发明实施例中,归一化处理可以采用z-score方法,即:新数据=(原数据-均值)/标准差。但本公开并不对归一化的处理方法做限定。
其中,标准差的计算公式如下:
上述公式中s为标准差,x1、x2…xn为原数据,为均值。
例如:评价特征词和词频:d1={(速度,1),(3.0,2),(2.0,1),(接口,3),(u盘,1),(文件,2),(加密,1)},归一化后得到评价特征向量:z_d1={-0.72,0.54,-0.72,1.81,-0.72,0.54,-0.72}。
即如下表所示:
序号 | 特征词 | 词频 | 归一化 |
1 | 速度 | 1 | -0.72 |
2 | 3.0 | 2 | 0.54 |
3 | 2.0 | 1 | -0.72 |
4 | 接口 | 3 | 1.81 |
5 | u盘 | 1 | -0.72 |
6 | 文件 | 2 | 0.54 |
7 | 加密 | 1 | -0.72 |
商品特征词和词频:t1={(闪迪,3),(SanDisk,3),(酷铄,3),(USB3.0,3),(金属,3),(U盘,1),(64GB,4),(150MB,1),(品牌,2),(接口,2),(产品,1),(特性,2),(加密,1),(迷你型,1),(容量,2),(型号,1),(颜色,1),(银色,1),(外壳,1),(材质,1),(规格,1),(指示灯,1),(尺寸,1),(重量,1),(钥匙孔,1),(独特,1),(设计,1),(精致,1),(携带,1),(质保,1),(品质,1),(包装,1),(清单,1),(闪存,1),(速度,3),(质量,1),(读取,2)},归一化处理后得到:
z_t1={1.45,1.45,1.45,1.45,1.45,-0.54,2.45,-0.54,0.45,0.45,-0.54,0.45,-0.54,-0.54,0.45,-0.54,-0.54,-0.54,-0.54,-0.54,-0.54,-0.54,-0.54,-0.54,-0.54,-0.54,-0.54,-0.54,-0.54,-0.54,-0.54,-0.54,-0.54,-0.54,1.45,-0.54,0.45}
即如下表所示:
商品特征与用户评价关联度计算:经过上一步处理得到评价特征向量(例如z_d1)和商品特征向量(例如z_t1),商品特征与用户评价关联度计算步骤采用算法进行向量的关联度计算,该步骤计算的结果表示用户评价文本数据与商品特征描述文本特征的接近程度。
首先,给出关联度计算公式如下:
上述公式中,G表示两个文本的相似度,可以保留2位小数,取值范围为[0,1];Di表示用户评价特征向量的第i个特征词向量数值;Ti表示商品特征向量的第i个特征词向量数值;n:表示比对的两个向量的总特征词的数量,即表示特征向量的长度。
计算步骤如下:
(1)合并两个向量的特征词和向量值,合并之后的词集为两个向量的并集,如下表所示:
(2)根据合并后的向量,依据上述的关联度计算公式,进行关联度计算,如上面例子数据,计算结果为:G=0.208589,该值表示向量z_d1和z_t1的关联强度,数值越接近于1表示关联强度越大,越接近于0表示关联强度越小。
(3)循环执行每一个用户评价的评价特征向量与该商品特征描述文本构成的商品特征向量的关联度计算,得到每一个用户评价的关联度值,即作为该条评价文本的有效度数值。
评价有效度输出步骤负责将上一步计算结果输出到客服人员在对用户商品评价进行筛选回复环节的处理,根据用户评价的有效度进行筛选提示客服人员进行回复。
例如,具体步骤可以为:先对当前商品的评价信息进行筛选,可以根据其他规则(如用户属性:年龄、性别,用户会员级别,业务属性,如评价回复时间等由业务人员自行根据业务需求设定)筛选;然后可以根据自定义规则过滤有效度值大于某个阈值,对于过滤后的结果将按有效度值从大到小的顺序排序,将排序对应的用户评价内容作为输出提供给当前处理的客服人员,作为进行回复环节的目标。
图8示意性示出本公开示例性实施例中又一种评价信息的处理方法的流程图。如图8所示,该评价信息的处理方法可以包括以下步骤。
在步骤S301中,获取商品特征描述和用户评价内容文本数据。
在步骤S302中,文本分词。
在步骤S303中,对词集进行去禁词。
通过采集商品特征描述和用户购买商品的评价内容的文本数据,通过分词、去禁词,生成商品特征词向量。
在步骤S304中,判断是否需要商品特征词和权重配置;当需要时,进入步骤S305;当不需要时,跳转到步骤S306。
在步骤S305中,导入商品特征词和权重模板。
根据实际需要,可以通过配置化模板批量导入商品特征词和对应的权重,补充原有商品特征描述缺失的关键特征词。
在步骤S306中,生成特征词集和词频。
在步骤S307中,生成特征向量。
在步骤S308中,归一化处理。
在步骤S309中,合并特征向量。
生成商品特征词向量和用户评价特征向量,并做归一化处理和合并特征向量处理。
在步骤S310中,判断是否还存在未计算的评价特征向量;当存在时,进入步骤S311;当不存在时,跳转到步骤S312。
在步骤S311中,计算关联度。
在步骤S312中,获取评价有效度结果集。
循环计算每一个用户评价内容的特征词向量和对应商品特征的特征词向量的关联度值,作为用户评价的有效度数值,直至所有用户评价特征向量计算完成,生成评价有效度结果集。
在步骤S313中,基础规则过滤。
在步骤S314中,设置评价有效度阈值。
通过设置基础过滤规则筛选用户评价内容,基础过滤规则一般由业务定义,系统集成相关筛选条件,比如用户基本属性“年龄”、“性别”、“会员级别”、“评价时间”等等,然后需要设置评价有效度阈值。
在步骤S315中,判断评价有效度是否大于该阈值;当评价有效度大于该阈值时,跳转到步骤S317;当评价有效度小于等于该阈值时,进入步骤S316。
在步骤S316中,当评价有效度小于等于该阈值时,丢弃该评价有效度对应的评价信息。
系统根据用户设置的基础过滤规则和有效度阈值,进行用户评价的自动筛选和过滤,并进行逆序排序,得到最终匹配结果。对于不匹配规则的条目进行丢弃。
在步骤S317中,匹配结果集。
在步骤S318中,获取最终匹配结果。
在客服人员回复用户的商品评价内容时,根据上一步的匹配结果,作为客服处理回复的选择依据,并完成对用户评价的回复操作。
本发明实施方式提供的评价信息的处理方法,可以有效地基于商品特征描述的信息,来处理用户对商品评价的文本数据,建立一个有效的关联度模型,得到用户评价的有效度,从而实现一线客服人员在处理回复用户评价时可以系统自动推送匹配的有效度较高的用户评价,从而帮助客服人员效率提升、减少资源浪费。解决了现有技术中客服人员随机挑选用户评价的问题,建立一套系统的处理商品特征描述和用户评价内容的文本信息的关联度模型,实现用户评价有效度的结果判定,进而推荐给客服人员进行回复评价时的筛选依据。
图9示意性示出本公开示例性实施例中一种评价信息的处理装置的框图。
如图9所示,该评价信息的处理装置100可以包括信息采集模块110、数据处理模块120以及有效度获取模块130。
其中,信息采集模块110可以用于获取商品的评价信息和所述商品的属性信息。
数据处理模块120可以用于分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量。
在示例性实施例中,数据处理模块120可以进一步包括分词单元和去禁词单元。
其中,所述分词单元可以用于分别对所述评价信息和所述属性信息进行分词,获得第一评价特征词和第一商品特征词。所述去禁词单元可以用于分别对所述第一评价特征词和所述第一商品特征词进行去禁词处理,获得第二评价特征词及其词频集合和第二商品特征词及其词频集合。
在示例性实施例中,数据处理模块120还可以进一步包括扩充单元。
其中,所述扩充单元可以用于导入配置模板对所述第二商品特征词及其词频集合进行扩充,所述配置模板包括所述商品的第三商品特征词及其词频。
在示例性实施例中,数据处理模块120还可以进一步包括归一化单元。
其中,所述归一化单元可以用于分别对所述第二评价特征词及其词频集合和所述第二商品特征词及其词频集合进行归一化处理,获得所述评价特征向量和所述商品特征向量。
有效度获取模块130可以用于根据所述评价特征向量和所述商品特征向量获取所述评价信息的有效度。
在示例性实施例中,有效度获取模块130还可以包括向量合并单元和有效度计算单元。
其中,所述向量合并单元可以用于合并所述评价特征向量和所述商品特征向量。所述有效度计算单元可以用于根据合并后的向量计算所述有效度。
在示例性实施例中,该评价信息的处理装置100还可以包括筛选模块。所述筛选模块可以用于根据预设业务规则筛选所述评价信息。
在示例性实施例中,该评价信息的处理装置100还可以包括判断模块和过滤模块。
其中,所述判断模块可以用于判断所述有效度是否大于预设阈值。所述过滤模块可以用于当所述有效度小于等于所述预设阈值时,过滤所述评价信息。
在示例性实施例中,该评价信息的处理装置100还可以包括排序模块。所述排序模块可以用于将所述评价信息根据其对应的有效度的大小进行降序排列。
在示例性实施例中,该评价信息的处理装置100还可以包括回复模块。所述回复模块可以用于根据排序结果选择相应的评价信息进行回复。
需要说明的是:所述评价信息的处理装置中各模块单元的具体细节已经在对应的评价信息的处理方法中进行了详细的描述,这里不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
下面参考图10,其示出了适于用来实现本申请实施例的电子设备600的结构示意图。图10示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图10所示,电子设备600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的系统中限定的上述功能。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括发送单元、获取单元、确定单元和第一处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,发送单元还可以被描述为“向所连接的服务端发送图片获取请求的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:获取商品的评价信息和所述商品的属性信息;分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量;根据所述评价特征向量和所述商品特征向量获取所述评价信息的有效度。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
Claims (13)
1.一种评价信息的处理方法,其特征在于,包括:
获取商品的评价信息和所述商品的属性信息;
分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量;
根据所述评价特征向量和所述商品特征向量获取所述评价信息的有效度。
2.根据权利要求1所述的评价信息的处理方法,其特征在于,分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量包括:
分别对所述评价信息和所述属性信息进行分词,获得第一评价特征词和第一商品特征词;
分别对所述第一评价特征词和所述第一商品特征词进行去禁词处理,获得第二评价特征词及其词频集合和第二商品特征词及其词频集合。
3.根据权利要求2所述的评价信息的处理方法,其特征在于,分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量还包括:
导入配置模板对所述第二商品特征词及其词频集合进行扩充,所述配置模板包括所述商品的第三商品特征词及其词频。
4.根据权利要求2或3所述的评价信息的处理方法,其特征在于,分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量还包括:
分别对所述第二评价特征词及其词频集合和所述第二商品特征词及其词频集合进行归一化处理,获得所述评价特征向量和所述商品特征向量。
5.根据权利要求1所述的评价信息的处理方法,其特征在于,根据所述评价特征向量和所述商品特征向量获取所述评价信息的有效度包括:
合并所述评价特征向量和所述商品特征向量;
根据合并后的向量计算所述有效度。
6.根据权利要求1所述的评价信息的处理方法,其特征在于,所述方法还包括:根据预设业务规则筛选所述评价信息。
7.根据权利要求6所述的评价信息的处理方法,其特征在于,所述预设业务规则包括用户属性和/或业务属性。
8.根据权利要求1所述的评价信息的处理方法,其特征在于,所述方法还包括:
判断所述有效度是否大于预设阈值;
当所述有效度小于等于所述预设阈值时,过滤所述评价信息。
9.根据权利要求1所述的评价信息的处理方法,其特征在于,所述方法还包括:将所述评价信息根据其对应的有效度的大小进行降序排列。
10.根据权利要求9所述的评价信息的处理方法,其特征在于,所述方法还包括:根据排序结果选择相应的评价信息进行回复。
11.一种评价信息的处理装置,其特征在于,包括:
信息采集模块,用于获取商品的评价信息和所述商品的属性信息;
数据处理模块,用于分别根据所述评价信息和所述属性信息获取评价特征向量和商品特征向量;
有效度获取模块,用于根据所述评价特征向量和所述商品特征向量获取所述评价信息的有效度。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1-10任一所述的评价信息的有效度处理方法。
13.一种电子设备,其特征在于,包括:
一个或多个处理器;以及
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10任一所述的评价信息的有效度处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710399774.XA CN107423356A (zh) | 2017-05-31 | 2017-05-31 | 评价信息的处理方法及装置、计算机可读介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710399774.XA CN107423356A (zh) | 2017-05-31 | 2017-05-31 | 评价信息的处理方法及装置、计算机可读介质、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107423356A true CN107423356A (zh) | 2017-12-01 |
Family
ID=60429564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710399774.XA Pending CN107423356A (zh) | 2017-05-31 | 2017-05-31 | 评价信息的处理方法及装置、计算机可读介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107423356A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171537A (zh) * | 2017-12-15 | 2018-06-15 | 北京奇艺世纪科技有限公司 | 一种用户体验评估方法、装置、电子设备及存储介质 |
CN108875383A (zh) * | 2018-05-28 | 2018-11-23 | 安徽鼎龙网络传媒有限公司 | 一种商业活动管理平台客户管理远程反馈系统 |
CN109711955A (zh) * | 2019-02-18 | 2019-05-03 | 杭州跨境邦信息技术有限公司 | 基于当前订单的差评预警方法、系统、黑名单库建立方法 |
CN110264315A (zh) * | 2019-06-20 | 2019-09-20 | 北京百度网讯科技有限公司 | 介绍信息生成方法和装置 |
CN110858378A (zh) * | 2018-08-23 | 2020-03-03 | 阿里巴巴集团控股有限公司 | 评价信息的展示方法及订单创建方法、加购方法、装置 |
CN111563526A (zh) * | 2020-03-27 | 2020-08-21 | 贝壳技术有限公司 | 嵌入向量评估方法、装置与电子设备 |
CN111651662A (zh) * | 2020-04-15 | 2020-09-11 | 车智互联(北京)科技有限公司 | 一种内容生成方法、系统及计算设备 |
CN112927034A (zh) * | 2021-01-28 | 2021-06-08 | 长沙市到家悠享网络科技有限公司 | 信息处理方法及装置 |
CN113486882A (zh) * | 2021-09-08 | 2021-10-08 | 北京每日优鲜电子商务有限公司 | 基于用户行为的图像识别方法、装置、电子设备和介质 |
TWI743504B (zh) * | 2018-08-23 | 2021-10-21 | 日商斯庫林集團股份有限公司 | 檢索裝置、檢索方法及記錄有檢索程式之電腦可讀取的記錄媒體 |
CN114840658A (zh) * | 2022-07-06 | 2022-08-02 | 浙江口碑网络技术有限公司 | 评价回复方法、电子设备及计算机存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150294378A1 (en) * | 2014-04-09 | 2015-10-15 | Alibaba Group Holding Limited | Customizing evaluation information presentation |
CN105468790A (zh) * | 2015-12-30 | 2016-04-06 | 北京奇艺世纪科技有限公司 | 一种评论信息检索方法和装置 |
CN106127507A (zh) * | 2016-06-13 | 2016-11-16 | 四川长虹电器股份有限公司 | 一种基于用户评价信息的商品舆情分析方法及系统 |
-
2017
- 2017-05-31 CN CN201710399774.XA patent/CN107423356A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150294378A1 (en) * | 2014-04-09 | 2015-10-15 | Alibaba Group Holding Limited | Customizing evaluation information presentation |
CN105468790A (zh) * | 2015-12-30 | 2016-04-06 | 北京奇艺世纪科技有限公司 | 一种评论信息检索方法和装置 |
CN106127507A (zh) * | 2016-06-13 | 2016-11-16 | 四川长虹电器股份有限公司 | 一种基于用户评价信息的商品舆情分析方法及系统 |
Non-Patent Citations (1)
Title |
---|
黄婷婷等: "基于商品特征关联度的购物客户评论可信排序方法", 《计算机应用》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171537A (zh) * | 2017-12-15 | 2018-06-15 | 北京奇艺世纪科技有限公司 | 一种用户体验评估方法、装置、电子设备及存储介质 |
CN108171537B (zh) * | 2017-12-15 | 2022-03-04 | 北京奇艺世纪科技有限公司 | 一种用户体验评估方法、装置、电子设备及存储介质 |
CN108875383A (zh) * | 2018-05-28 | 2018-11-23 | 安徽鼎龙网络传媒有限公司 | 一种商业活动管理平台客户管理远程反馈系统 |
CN110858378B (zh) * | 2018-08-23 | 2023-07-28 | 浙江天猫技术有限公司 | 评价信息的展示方法及订单创建方法、加购方法、装置 |
CN110858378A (zh) * | 2018-08-23 | 2020-03-03 | 阿里巴巴集团控股有限公司 | 评价信息的展示方法及订单创建方法、加购方法、装置 |
TWI743504B (zh) * | 2018-08-23 | 2021-10-21 | 日商斯庫林集團股份有限公司 | 檢索裝置、檢索方法及記錄有檢索程式之電腦可讀取的記錄媒體 |
CN109711955B (zh) * | 2019-02-18 | 2021-08-06 | 杭州乒乓智能技术有限公司 | 基于当前订单的差评预警方法、系统、黑名单库建立方法 |
CN109711955A (zh) * | 2019-02-18 | 2019-05-03 | 杭州跨境邦信息技术有限公司 | 基于当前订单的差评预警方法、系统、黑名单库建立方法 |
CN110264315A (zh) * | 2019-06-20 | 2019-09-20 | 北京百度网讯科技有限公司 | 介绍信息生成方法和装置 |
CN111563526A (zh) * | 2020-03-27 | 2020-08-21 | 贝壳技术有限公司 | 嵌入向量评估方法、装置与电子设备 |
CN111651662A (zh) * | 2020-04-15 | 2020-09-11 | 车智互联(北京)科技有限公司 | 一种内容生成方法、系统及计算设备 |
CN111651662B (zh) * | 2020-04-15 | 2024-02-23 | 车智互联(北京)科技有限公司 | 一种内容生成方法、系统及计算设备 |
CN112927034A (zh) * | 2021-01-28 | 2021-06-08 | 长沙市到家悠享网络科技有限公司 | 信息处理方法及装置 |
CN113486882A (zh) * | 2021-09-08 | 2021-10-08 | 北京每日优鲜电子商务有限公司 | 基于用户行为的图像识别方法、装置、电子设备和介质 |
CN114840658A (zh) * | 2022-07-06 | 2022-08-02 | 浙江口碑网络技术有限公司 | 评价回复方法、电子设备及计算机存储介质 |
CN114840658B (zh) * | 2022-07-06 | 2023-03-31 | 浙江口碑网络技术有限公司 | 评价回复方法、电子设备及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107423356A (zh) | 评价信息的处理方法及装置、计算机可读介质、电子设备 | |
CN109299994B (zh) | 推荐方法、装置、设备及可读存储介质 | |
CN111506801B (zh) | 一种应用App中子应用的排序方法及装置 | |
CN106445905B (zh) | 问答数据处理、自动问答方法及装置 | |
CN109325179A (zh) | 一种内容推广的方法及装置 | |
JP6976207B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN112750011A (zh) | 商品推荐方法、装置和电子设备 | |
CN109145193A (zh) | 一种信息推送方法及系统 | |
CN110415063B (zh) | 商品推荐方法、装置、电子设备及可读介质 | |
CN111582973A (zh) | 一种商品推荐数据生成方法、装置及系统 | |
CN110109901A (zh) | 筛选目标对象的方法和装置 | |
CN112132660B (zh) | 商品推荐方法、系统、设备及存储介质 | |
CN107346344A (zh) | 文本匹配的方法和装置 | |
CN111429161A (zh) | 特征提取方法、特征提取装置、存储介质及电子设备 | |
Wang et al. | A Combination of Extended Fuzzy AHP and Fuzzy GRA for Government E‐Tendering in Hybrid Fuzzy Environment | |
CN116127184A (zh) | 产品的推荐方法及装置、非易失性存储介质、电子设备 | |
CN111680213B (zh) | 信息推荐方法、数据处理方法及装置 | |
CN111177581A (zh) | 一种基于多平台的社交电商网站商品推荐方法及装置 | |
CN112749323A (zh) | 一种构建用户画像的方法和装置 | |
CN111429214A (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
CN112801803B (zh) | 一种理财产品推荐方法和装置 | |
CN107346505A (zh) | 信息推送方法和装置 | |
CN110544140A (zh) | 一种处理浏览数据的方法和装置 | |
CN110838019A (zh) | 确定试用品发放人群的方法和装置 | |
CN114996579A (zh) | 信息推送方法、装置、电子设备和计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171201 |
|
RJ01 | Rejection of invention patent application after publication |