CN107807942A - 评论信息发表方法及装置 - Google Patents

Abstract

本发明公开了一种评论信息发表方法及装置，属于互联网技术领域。所述方法包括：接收用户帐号提交的评论信息以及被评论对象的标识信息；至少根据用户帐号的信用分值获取用户帐号被允许发表评论信息的数值，该数值与用户帐号的信用分值呈正向相关性；当该数值大于预定阈值时，根据标识信息获取被评论对象的评论位置，在该评论位置发表评论信息。本发明解决了相关技术中由于后台不对用户的评论机会进行区分，导致网络平台上主题的评论信息的质量较差的技术问题，达到了区分用户的评论机会，减少信用较低的用户发表不适当的评论，提高网络平台上主题的评论信息的质量的效果。

Description

评论信息发表方法及装置

技术领域

本发明涉及互联网技术领域，特别涉及一种评论信息发表方法及装置。

背景技术

在网络交互平台上，用户可以将自己的观点发布到公共平台与其他人分享。比如在新闻类的应用程序中，用户可以发表对某一新闻的观点。

一般的，后台仅会在用户发表了不当评论后，在一段时间内禁止该用户再次评论，而当这段时间结束后，后台会开放该用户评论的机会。

对于未被禁止评论的用户，后台不对用户的评论机会进行区分，使得一些未被禁止评论的用户可以随时对不同的主题发表不适当的评论，从而导致网络平台上主题的评论信息的质量较差。

发明内容

为了解决相关技术中由于后台不对用户的评论机会进行区分，使得一些未被禁止评论的用户可以随时对不同的主题发表不适当的评论，导致网络平台上主题的评论信息的质量较差的技术问题，本发明实施例提供了一种评论信息发表方法及装置。所述技术方案如下：

第一方面，提供了一种评论信息发表方法，所述方法包括：

接收用户帐号提交的评论信息以及被评论对象的标识信息；

至少根据所述用户帐号的信用分值获取所述用户帐号被允许发表所述评论信息的数值，所述数值与所述用户帐号的信用分值呈正向相关性；

当所述数值大于预定阈值时，根据所述标识信息获取所述被评论对象的评论位置，在所述评论位置发表所述评论信息。

第二方面，提供了一种评论信息发表装置，所述装置包括：

接收模块，用于接收用户帐号提交的评论信息以及被评论对象的标识信息；

获取模块，用于至少根据所述用户帐号的信用分值获取所述用户帐号被允许发表所述接收模块接收到的所述评论信息的数值，所述数值与所述用户帐号的信用分值呈正向相关性；

第一发表模块，用于当所述获取模块获取到的所述数值大于预定阈值时，根据所述接收模块接收到的所述标识信息获取所述被评论对象的评论位置，在所述评论位置发表所述评论信息。

本发明实施例提供的技术方案带来的有益效果是：

通过获取所述用户帐号被允许发表所述评论信息的数值，将该数值与预定阈值进行比较，当该数值大于预定阈值时，在被评论对象对应的评论位置发表该评论信息，由于该数值是至少根据用户帐号的信用分值获取到的，而信用分值可以用来表征用户帐号的信用级别，从而可以反映出该用户帐号发表的评论信息的可信度，因此通过该数值与预定阈值的关系对用户帐号能否发表评论信息进行区分，达到了区分用户的评论机会，减少信用较低的用户发表不适当的评论，提高网络平台上评论信息的质量的效果。

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他的附图。

图1是根据部分实施例示出的评论信息发表方法所涉及的实施环境示意图；

图2是本发明一个实施例中提供的服务器的结构示意图；

图3A是本发明一个实施例中提供的被允许发表评论信息的数值计算方法的方法流程图；

图3B是本发明另一个实施例中提供的被允许发表评论信息的数值计算方法的方法流程图；

图3C是本发明一个实施例中提供的评论信息发表方法的方法流程图；

图3D是本发明另一个实施例中提供的评论信息发表方法的方法流程图；

图4是本发明一个实施例中提供的评论信息发表装置的结构方框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

图1是根据部分实施例示出的评论信息发表方法所涉及的实施环境示意图。如图1所示，该实施环境包括服务器120和至少一个终端140。

服务器120为用户提供用于信息评论、信息发布的网络平台。

服务器120可以是一台服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心。

可选的，服务器120具备实现信用分值计算、管理和存储各个用户帐号的信用分值的功能。服务器120在用户授权认可的前提下，获取终端140所登录的用户帐号在网络平台上的行为数据，根据获取到的行为数据计算该用户帐号的信用分值。

这里的行为数据一般是具备该用户帐号的用户在网络平台上操作时产生的历史数据。具体的，行为数据包括用户帐号基于互联网的线上行为数据和线下行为数据。

互联网线上虚拟空间行为数据包括但不限于：用户的基础人口属性信息，如姓名、年龄、性别、地区、学历、职业等；虚拟增值服务数据，如虚拟帐号角色装扮、游戏道具购买、影视会员服务、云存储空间增值服务、音乐流量包等；社交互动行为数据，如聊天、电子邮件、语音通话、评论点评、文章阅读等；经济行为数据，如支付、理财、购物、股票、基金、金融等；娱乐休闲行为数据，如视频点播、音乐播放、新闻阅读等；教育行为数据，如线上读书、公开课学习、职业考试练习、技能培训、翻译软件使用等；其他互联网移动应用行为数据，如应用程序下载、搜索等。

线上数据可以通过用户手机、平板电脑或者计算机上即时通信应用程序、游戏客户端、应用程序下载平台、理财平台等采集用户填写的资料或者通过应用程序主动上报获得。

线下关联场景数据包括但不限于：线上到线下(英文：online to offline，简称：O2O)生活服务信息，如家政服务、城市服务、美容保健等；穿戴设备数据，如医疗健康、运动等；基于位置的服务器(英文：location based service，简称：LBS)地理位置数据，如导航、签到、专车等；旅游出行数据，如票务订购、酒店预订等。

行为数据包括多种线上和线下场景中的动作，几乎囊括了生活各个方面的行为数据，因此，根据这些行为数据可以尽可能准确地反映用户帐号对应的用户的真实情况。

由于获取的行为数据能够尽可能的反映用户的真实情况，因此根据行为数据计算的信用分值可以反映用户的信用等级。

服务器120将计算得到的信用分值与用户帐号绑定存储后，可以根据用户帐号查询到对应的信用分值。

通常用户帐号的信用分值会随着该用户帐号的行为数据的变化而变化，因此信用分值一般是实时更新的，或者有可能在达到预定时间间隔时进行更新。

可选的，该实施环境还包括信用库160，该信用库160为管理和存储各个用户帐号的信用分值的平台，各个服务器均可以将自身计算得到的信用分值同步至该信用库160中。同理，服务器120可以直接将计算得到的信用分值同步至该信用库160中，也可以直接从信用库160获取到终端140所登录的用户帐号的信用分值。

可选的，该实施环境还包括第三方服务器180，该第三方服务器180为用户提供用于线上服务的第三方网络平台。当终端140所登录的用户帐号为在第三方服务器180注册的用户帐号时，服务器120可从第三方服务器180获取到该用户帐号的信用分值。这里的信用分值是第三方服务器180通过该用户帐号在第三方网络平台上的行为数据计算得到的。

服务器120与终端140之间通过通信网络相连。可选的，通信网络可以是有线网络或者无线网络。

可选的，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网，但也可以是任何网络，包括但不限于局域网(英文：Local Area Network，简称：LAN)、城域网(英文：Metropolitan Area Network，简称：MAN)、广域网(英文：Wide AreaNetwork，简称：WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合。在一些实施例中，使用包括超文本标记语言(英文：HyperText Markup Language，简称：HTML)、可扩展标记语言(英文：Extensible Markup Language，简称：XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接层(英文：Secure SocketsLayer，简称：SSL)、安全传输层协议(英文：Transport Layer Security，简称：TLS)、虚拟专用网络(英文：Virtual Private Network，简称：VPN)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。

终端140中运行有用户客户端。终端140可以是手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。用户客户端可以是社交网络客户端，比如微博客户端、中国腾讯公司出品的微信客户端、中国阿里巴巴公司出品的易信客户端等；用户客户端还可以是其他兼有社交属性的客户端，比如购物客户端、游戏客户端、阅读客户端、视频分享客户端等等。

服务器120的结构可以参见图2所示，图2是本发明一个实施例中提供的服务器的结构示意图。如图2所示，服务器120包括中央处理单元(英文简称：CPU)201、包括随机存取存储器(英文简称：RAM)202和只读存储器(英文简称：ROM)203的系统存储器204，以及连接系统存储器204和中央处理单元201的系统总线205。服务器120还包括用于存储的操作系统207、应用程序208和其他程序模块209的大容量存储设备206。

大容量存储设备206通过连接到系统总线205的大容量存储控制器(未示出)连接到中央处理单元201。大容量存储设备206及其相关联的计算机可读介质为服务器120提供非易失性存储。也就是说，大容量存储设备206可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。

不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术，CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器204和大容量存储设备206可以统称为存储器。

根据本发明的各种实施例，服务器120还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器120可以通过连接在系统总线205上的网络接口单元210连接到网络211，或者说，也可以使用网络接口单元210来连接到其他类型的网络或远程计算机系统(未示出)。

上述存储器还包括一个或者一个以上的程序，一个或者一个以上程序存储于存储器中，被配置由CPU执行。

一般的，新用户在注册网络平台的用户帐号或者利用第三方用户帐号登录该网络平台之后，才能对网络平台上的各个主题发表评论信息。服务器在接收到新用户对应的用户帐号首次提交的评论信息时，可以通过如图3A所示出的步骤来计算用户帐号的被允许发表评论信息的数值。

图3A是本发明一个实施例中提供的被允许发表评论信息的数值计算方法的方法流程图。如图3A所示，该被允许发表评论信息的数值计算方法主要以应用于图1所示的服务器120中进行举例说明，该被允许发表评论信息的数值计算方法包括以下步骤：

步骤301，获取用户帐号的信用分值。

在实际应用中，信用分值的获取可以通过以下三种方式来实现：

方式一，通过服务器根据用户帐号在网络平台上的行为数据直接计算得到。

方式二，用户帐号的信用分值还可以从存储有各个用户帐号的信用分值的信用库中直接获取。

在一种可能的实现方式中，在实施环境中还可能存在一个用于计算信用分值的计算服务器，该计算服务器通过搜集用户帐号的行为数据，根据行为数据计算出该用户帐号的信用分值，当服务器需要获取信用分值时，可以直接从该计算服务器获取到该用户帐号的信用分值。

方式三，当用户帐号为在第三方网络平台注册的用户帐号时，服务器还可以从第三方网络平台获取该用户帐号的信用分值。

用户在登录网络平台时，有可能会在该网络平台注册用户帐号后进行登录，还有可能使用与该网络平台具有合作关系的第三方网络平台的用户帐号进行登录。对于第三方网络平台的用户帐号，该用户帐号的信用分值一般是由第三方网络平台对应的第三方服务器根据该用户帐号的行为数据计算得到。因此，服务器可能会向第三方网络平台对应的第三方服务器发送信用分值获取请求来获取该用户帐号的信用分值，信用分值获取请求中包含该用户帐号，然后第三方网络平台对应的第三方服务器可以根据用户帐号与信用分值的对应关系，查询到该用户帐号的信用分值。

对于信用分值的计算方式可以由本领域技术人员已知的技术方案来实现，这里就不再赘述。

步骤302，根据信用分值计算该用户帐号被允许发表评论信息的数值。

在获取到信用分值后，利用信用分值对被允许发表评论信息的数值进行计算，在实际应用中，通常认为没有发表过评论信息的用户帐号为新的用户帐号，因此这里计算被允许发表评论信息的数值的过程相当于是通过信用分值对用户帐号被允许发表评论信息的数值进行初始化。一般来说，信用分值越高的用户帐号，发表的评论信息质量也越高，因此将被允许发表评论信息的数值设置的也越高，使得该用户帐号有更多的机会发表高质量的评论信息。

可选的，服务器根据信用分值计算该用户帐号被允许发表评论信息的数值，可以通过如下方式来实现：

第一步，获取各个用户帐号的平均信用分值，计算该用户帐号的信用分值相对于平均信用分值的强度，得到第一强度。

这里计算该用户帐号的信用分值相对于平均信用分值的强度，可以表明该用户帐号的信用分值与全部用户帐号的信用分值的平均水平之间的关系。对于第一强度的计算，可以通过该用户帐号的信用分值与平均信用分值的差值除以平均信用分值计算得到。

第二步，利用第一强度确定该用户帐号被允许发表评论信息的数值。

这里所讲的被允许发表评论信息的数值与第一强度呈正向相关性。

一般的，用户帐号的信用分值越高，计算得到的第一强度越大，而被允许发表评论信息的数值与第一强度呈正向相关性，因此，被允许发表评论信息的数值也越大。从而使得信用分值越高的用户帐号有更多的机会发表评论信息。

在一种可能的实现方式中，被允许发表评论的数值可以通过公式(1)计算得到：

其中，P(i)表示用户帐号i被允许发表评论信息的数值，x₁表示用户帐号i的信用分值，a₁表示各个用户帐号的平均信用分值，表示用户帐号i的信用分值相对于平均信用分值的强度。

综上所述，本发明实施例提供的被允许发表评论信息的数值计算方法，通过获取用户帐号的信用分值，根据获取到的信用分值计算该用户帐号的被允许发表评论信息的数值，由于信用分值是根据用户帐号的行为数据计算得到的，能够较为真实地反映用户的信用情况，因此，通过信用分值确定出的被允许发表评论信息的数值能够根据用户的信用等级的高低，合理地对用户帐号能否发表评论信息进行区分。

由图3A所示出的用户帐号的被允许发表评论信息的数值计算方法可知，在初始化用户帐号被允许发表评论信息的数值时，一般是通过用户帐号的信用分值来计算该用户帐号被允许发表评论信息的数值，因此，在用户帐号首次提交评论信息时，仅根据信用分值计算得到被允许发表评论信息的数值。在用户帐号成功发表评论信息之后，服务器还可以对其发表的评论信息进行评分，确定该用户帐号发表评论信息的质量情况，然后结合该用户帐号发表的评论信息的质量情况和信用分值，可以对该用户帐号被允许发表评论信息的数值重新进行评估。具体请参见如图3B中所描述的步骤。

图3B是本发明另一个实施例中提供的被允许发表评论信息的数值计算方法的方法流程图。如图3B所示，该被允许发表评论信息的数值计算方法主要以应用于图1所示的服务器120中进行举例说明，该被允许发表评论信息的数值计算方法包括以下步骤：

步骤303，获取用户帐号发表的各个评论信息的评论质量分值。

这里的评论质量分值用于评估评论信息的质量。

对于用户帐号已经成功发表的评论信息，可以通过以下方式来计算每个评论信息的评论质量分值：

第一步，在评论信息被发表后，获取对评论信息进行预测得到的预测支持度，以及评论信息的实际支持度。

这里的支持度是指该评论信息获得的认可和支持程度，一般可以表示成评论信息被发表后，评论信息中表达的观点得到其他用户帐号的认可和支持的数量，在实际应用中支持度可以为该评论信息的被点赞数。

在实际应用中，以支持度为被点赞数为例，当用户帐号发表评论信息之后，其他的用户帐号可能会对该评论信息进行点赞。一般的，网络平台上发表的评论信息的旁边会设置一个点赞控件，当点赞控件被触发时，终端会利用登录的用户帐号向服务器发送一个点赞请求，服务器在每接收到一个与该评论信息对应的点赞请求时，均会对该评论信息的被点赞数进行累加。一般的，一个用户帐号对同一个评论信息只能点赞一次，通常点赞的行为表明用户对评论信息的内容表示认可和支持。

考虑到实际实现时，在用户帐号的评论信息被发表后，其他用户帐号对该用户帐号发表的评论信息进行点赞或发表看法可能会需要一定的时长，在达到这个时长后，实际被点赞数可能不会再增加，或者可能增加的很少，这时获取到的被点赞数，与评论信息一经发表服务器就获取被点赞数作为实际被点赞数相比，更能真实地反映该用户帐号的评论信息的质量。因此，可以将服务器设置为在用户帐号的评论信息被发表起的预定时长后获取该评论信息的被点赞数作为实际被点赞数，即获取该评论信息的实际支持度。预定时长可以根据实际需求设置，比如可以设置成两小时，或者设置成一天。

在实际应用中，预测支持度可以由分类器计算得到。

以支持度为被点赞数为例，服务器在使用分类器预测评论信息的被点赞数之前，需要对分类器进行训练。具体的，服务器可以根据历史的评论信息抽取出预定数量的训练样本，可选的，服务器可以根据历史的评论信息随机抽取出预定数量的训练样本，从而保证被抽取的训练样本来自于不同的用户帐号，避免因训练样本来自于一个或过少的用户帐号，导致分类器不具备代表性的问题。然后服务器将抽取的训练样本发送至分类器，对分类器进行训练。

分类器根据评论信息的内容，提取评论信息中的特征词进行学习，结合实际被点赞数将特征词的好坏进行分类。一般的，用于训练的样本数量越多，分类器预测的效果越好。通过训练，分类器可以建立以被点赞数为y变量，以评论内容为x变量的回归模型，这里可能是将评论信息的内容与被点赞数进行线性结合，得到一个线性方程。

通常一段时间内分类器是稳定的，也就是说，分类器通常是间隔一段时间后再抽取样本进行训练的。

当需要对评论信息的被点赞数进行预测时，服务器将评论信息发送至分类器，分类器提取评论信息中的特征词进行分析，然后可以输出预测被点赞数。

在实际应用中，评论信息的支持度也可以采用其他实现方式，比如以对该评论信息的回复数量作为支持度。本实施例不对支持度的具体实现方式进行限定。

第二步，根据预测支持度、实际支持度，以及预测支持度和实际支持度的权重系数，得到评论信息的评论质量分值。

这里对于权重的取值可以根据实际情况来确定，如果希望预测支持度对评论质量得分的影响更大，可以将预测支持度的权重设置为大于实际支持度的权重，相反的，如果希望实际支持度对评论质量得分的影响更大，可以将实际支持度的权重设置为大于预测支持度的权重。

比如，评论质量分值可以等于A乘以预测支持度的值加上1-A乘以实际支持度的值，这里的A为0至1之间的常数。

在计算得到该用户帐号已被发表的各个评论信息的评论质量分值之后，可以根据该用户帐号的信用分值和该用户帐号历史发表的评论信息的评论质量分值计算用户帐号的可信度，具体请参见步骤304和步骤305的描述。

步骤304，根据用户帐号发表的各个评论信息的评论质量分值的平均值进行预估，得到该评论信息的评论质量分值的预估值。

通过计算该用户帐号发表的各个评论信息的评论质量分值的平均值，可以确定出该用户帐号发表的评论信息的质量的平均水平。

在一种可能的实现方式中，服务器可能会在评论信息发表成功起的预定时长后，计算该评论信息的评论质量分值，将计算出的评论质量分值与该用户帐号进行绑定存储。服务器还可能为各个用户帐号建立评论质量分值库，用来存储各个用户帐号发表的评论信息的次数，以及每一次发表的评论信息的评论质量分值。当提交评论信息时，需要计算用户帐号被允许发表评论信息的数值，可以直接从评论质量分值库中获取到该用户帐号发表的各个评论信息的评论质量分值，然后计算该用户帐号发表的各个评论信息的评论质量分值的平均值。

由于对评论信息的评论质量分值的计算是结合预测支持度和实际支持度得到的，而用户帐号在提交评论信息时，由于该评论信息还没有被发表到网络平台上，从而获取不到该评论信息的实际支持度，因此服务器需要在评论信息被发表之后才能计算评论信息的评论质量分值。

在一种可能的实现方式中，预估值可以为该用户帐号发表的评论信息的评论质量分值的平均值。在另一种可能的实现方式中，预估值还可以利用评论质量分值的平均值加上一个期望值得到，表示对用户帐号提交的评论信息的评论质量分值进行预估可能达到的最大值。这里的期望值可以结合该用户帐号发表评论信息的次数和所有用户帐号发表评论信息的次数得到。

具体的，对该用户帐号提交的评论信息的评论质量分值的预估值可以由公式(2)计算得到：

其中，Q(i)表示用户帐号i提交的评论信息的评论质量分值的预估值，S_k表示用户帐号i第k次发表的评论信息的评论质量分值，n表示用户帐号i发表评论信息的次数，N表示各个用户帐号发表评论信息的总次数，表示用户帐号i发表的各个评论信息的评论质量分值的平均值，表示对用户帐号i提交的评论信息的评论质量分值进行预估时的期望值。

步骤305，根据评论质量分值的预估值、用户帐号的信用分值，以及评论质量分值的预估值和信用分值的权重系数，得到用户帐号的可信度。

在实际实现时，这里的权重系数也可以根据实际情况来确定，如果希望评论质量分值的预估值对用户帐号的可信度的影响更大，可以将评论质量分值的预估值的权重系数设置为大于信用分值的权重系数，如果希望信用分值对用户帐号的可信度的影响更大，可以将信用分值的权重系数设置为大于评论质量分值的预估值的权重系数。

比如，用户帐号的可信度可以等于B乘以评论质量分值的预估值的值加上1-B乘以信用分值的值，这里的B为0至1之间的常数。

在得到该用户帐号的可信度之后，根据该用户帐号的可信度和各个用户帐号的平均可信度来计算被允许发表评论信息的数值，具体请参见步骤306和步骤307的描述。

步骤306，获取各个用户帐号的平均可信度，计算该用户帐号的可信度相对于平均可信度的强度，得到第二强度。

这里计算该用户帐号的可信度相对于平均可信度的强度，可以表明该用户帐号的可信度与全部用户帐号的可信度的平均水平之间的关系。对于第二强度的计算，可以通过该用户帐号的可信度与平均可信度的差值除以平均可信度计算得到。

步骤307，利用第二强度确定该用户帐号被允许发表评论信息的数值。

这里所讲的被允许发表评论信息的数值与第二强度呈正向相关性。

一般的，用户帐号的可信度越高，计算得到的第二强度越大，而被允许发表评论信息的数值与第二强度呈正向相关性，因此，被允许发表评论信息的数值也越大。从而使得可信度越高的用户帐号有更多的机会发表评论信息。

这里通过可信度来重新评估用户帐号被允许发表评论的数值，可以将信用分值与用户帐号发表的评论信息的评论质量分值相结合来决定被允许发表评论信息的数值。也就是说，在实际实现时，如果用户帐号在初始化时被允许发表评论信息的数值不高，但该用户帐号一直发表高质量的评论信息，那么该用户帐号被允许发表评论信息的数值会逐渐升高，则该用户帐号会获得更多发表评论信息的机会。对应的，如果用户在初始化时被允许发表评论信息的数值较高，但该用户帐号一直发表低质量的评论信息，那么该用户帐号被允许发表评论信息的数值会逐渐降低，若是低于预定阈值，则可能会被禁止发表评论信息。

可选的，服务器利用第二强度确定该用户帐号被允许发表评论信息的数值，可以通过如下方式来实现：

第一步，将第二强度的相反数作为以第一预定常数为底数的指数函数的指数，得到第一数值。

这里的第一预定常数是大于1的常数。

第二步，将第一数值与第二预定常数相加，得到第二数值。

这里的第二预定常数是大于或等于1的常数。

第三步，将第二数值的倒数作为该用户帐号被允许发表评论信息的数值。

具体的，被允许发表评论信息的数值可以由公式(3)计算得到：

其中，P(i)表示用户帐号i被允许发表评论信息的数值，x₂表示用户帐号i的可信度，a₂表示各个用户帐号的平均可信度，表示用户帐号i的可信度相对于平均可信度的强度。

综上所述，本发明实施例提供的被允许发表评论信息的数值计算方法，通过获取成功发表的评论信息的预测支持度和实际支持度，来计算评论信息的评论质量分值，可以对用户帐号发表的评论信息的内容进行打分，从而能够直观地看出评论信息的质量高低。

另外，在用户提交评论信息时，根据用户帐号发表的各个评论信息的评论质量分值的平均值对用户帐号提交的评论信息的评论质量分值进行预估，相当于对用户帐号提交的评论信息可能达到的最高分进行预估，由于是结合用户帐号发表的各个评论信息的评论质量分值的平均值，因此可以客观地对用户帐号提交的评论信息的评论质量分值进行预估。

另外，通过将评论质量分值的预估值和信用分值结合计算用户帐号的可信度，利用可信度重新计算用户帐号被允许发表评论信息的数值，使得被允许发表评论信息的数值不仅与信用分值相关，还会随着用户帐号每次发表评论信息后，根据评论信息的内容的质量对数值进行更新，使得在实际应用中，当用户帐号一直发表高质量的评论信息时，被允许发表评论信息的数值会逐渐变大，而当用户帐号一直发表低质量的评论信息时，被允许发表评论信息的数值会逐渐变小，使得一直发表低质量的评论信息的用户帐号有更大的可能被禁言，从而提高网络平台上各个主题的评论信息的质量。

通过图3A或图3B中示出的被允许发表评论信息的数值计算方法计算得到用户帐号的被允许发表评论信息的数值之后，可以根据得到的被允许发表评论信息的数值，对用户帐号能否发表评论信息进行区分。具体请参见如图3C中所描述的步骤。

图3C是本发明一个实施例中提供的评论信息发表方法的方法流程图。如图3C所示，该评论信息发表方法主要以应用于图1所示的服务器120中进行举例说明，该评论信息发表方法包括以下步骤：

步骤308，接收用户帐号提交的评论信息以及被评论对象的标识信息。

这里的接收用户帐号提交的评论信息，通常是指在用户填写完评论信息后，登录有该用户帐号的终端会在评论信息的填写窗口中显示一个提交控件，当提交控件被触发时，终端利用用户帐号向服务器发送该评论信息的发表请求。对应的，服务器会接收到利用该用户帐号提交的评论信息。

服务器在接收到利用用户帐号提交的评论信息之后，需要对该用户帐号的发表机会进行确认。这里，服务器可以获取该用户帐号被允许发表的评论信息的数值，根据该数值以及预定阈值进行对比，以确定该用户帐号的评论信息是否具备发表机会。

这里的被评论对象可能是一个主题，也可能是一个新闻，还可能是一篇文章。被评论对象通常会具备标识信息，可以用来唯一标识该被评论对象，通过标识信息可以区分不同的被评论对象。因此，获取被评论对象的标识信息可以确定出与用户帐号提交的评论信息对应的被评论对象。

步骤309，至少根据用户帐号的信用分值获取用户帐号被允许发表评论信息的数值。

这里的数值与用户帐号的信用分值呈正向相关性。

在实际应用中，在每次接收到用户帐号提交的评论信息时，服务器都需要获取该用户帐号的被允许发表评论信息的数值。由于被允许发表评论信息的数值至少与信用分值相关，或者被允许发表评论信息的数值由信用分值决定，考虑到信用分值有可能会因为用户帐号的某些实时的行为数据而实时发生变化，对应的，被允许发表评论信息的数值也会实时发生变化，因此对于不同时间提交的评论信息，获取到的被允许发表评论信息的数值可能是不一样的。因此，被允许发表评论信息的数值一般是实时更新的，需要在用户帐号每次提交评论信息时重新计算。

步骤310，当该数值大于预定阈值时，根据标识信息获取被评论对象的评论位置，在该评论位置发表评论信息。

这里的预定阈值可以由服务器根据对评论质量的要求进行设定，一般来讲，服务器对评论质量的要求越高，该预定阈值也越高，服务器对评论质量的要求越低，该预定阈值也越低。在实际应用中，服务器也可以根据自身的策略实时的调整该预定阈值。

当该数值大于预定阈值时，至少表明该用户帐号的信用分值比较高，可以认定该用户帐号发表的评论信息的质量较高，此时可以开放该用户帐号的评论机会，允许发表该评论信息。

一般的，服务器会存储被评论对象的相关信息与标识信息之间的对应关系，因此，服务器可以通过标识信息查询到被评论对象的评论位置，将用户帐号提交的评论信息在查询到的评论位置发表，使得该评论信息可以在与被评论对象对应的评论位置得到发表。从而可以使得其他用户帐号在浏览网络平台时，知道该评论信息是关于该被评论对象的。

在实际实现时，该数值可能会小于预定阈值，则表明该用户帐号的信用分值比较低，可以认定该用户帐号发表的评论信息的质量较低，这种情况下可以禁止发表该评论信息。

综上所述，本发明实施例提供的评论信息发表方法，通过获取所述用户帐号被允许发表所述评论信息的数值，将该数值与预定阈值进行比较，当该数值大于预定阈值时，在被评论对象对应的评论位置发表该评论信息，由于该数值是至少根据用户帐号的信用分值获取到的，而信用分值可以用来表征用户帐号的信用级别，从而可以反映出该用户帐号发表的评论信息的可信度，因此通过该数值与预定阈值的关系对用户帐号能否发表评论信息进行区分，达到了区分用户的评论机会，减少信用较低的用户发表不适当的评论，提高网络平台上评论信息的质量的效果。

一般的，当用户帐号被允许发表评论信息的数值小于预定阈值时，服务器会禁止该用户帐号发表评论信息。而图3B所示出的被允许发表评论信息的数值计算方法是在用户帐号具有已被发表的评论信息的情况下，结合该用户帐号历史发表的评论信息的评论质量分值和信用分值来计算被允许发表评论信息的数值。在实际应用中，假如一个用户帐号在初始化得到的被允许发表评论信息的数值小于预定阈值，那么该用户帐号有可能一直不能发表评论信息，也就意味着没有机会使服务器根据评论信息的质量来对该用户帐号进行重新评估。因此，针对初始化时用户帐号被允许发表评论信息的数值小于预定阈值的情况，可以通过如图3D所描述的步骤来发表评论信息。

图3D是本发明另一个实施例中提供的评论信息发表方法的方法流程图。如图3D所示，该评论信息发表方法主要以应用于图1所示的服务器120中进行举例说明，该评论信息发表方法包括以下步骤：

步骤311，将第三预定常数与随机数进行比较。

第三预定常数是系统预定的一个0至1之间的常数，随机数是随机生成的0至1之间的常数。

一般的，为了使被允许发表评论信息的数值小于预定阈值的用户帐号还能够有一定的机会发表评论信息，会将一个预定常数与随机数进行比较，通常该预定常数会设置的较小。对于每一次将预定常数与随机数进行比较的过程，服务器均会随机生成一个随机数。

步骤312，判断第三预定常数是否大于随机数。

步骤313，当第三预定常数大于随机数时，根据标识信息获取被评论对象的评论位置，在该评论位置发表评论信息。

步骤314，当第三预定常数小于随机数时，禁止发表评论信息。

在实际实现时，将第三预定常数与随机数进行比较的过程可以在将被允许发表评论信息的数值与预定阈值进行比较的过程前面，也可以在将被允许发表评论信息的数值与预定阈值进行比较的过程后面。这是由于最终达到的效果是一样的，都是在被允许发表评论信息的数值小于预定阈值且第三预定常数小于随机数时禁止用户帐号发表评论信息，因此不对这两个比较过程的先后顺序进行限定。

在实际应用中，还可以增加一个比较过程，将被允许发表评论信息的数值与一个0至1之间的随机数进行比较，当被允许发表评论信息的数值大于随机数时，允许用户帐号发表评论信息，当被允许发表评论信息的数值小于随机数时，禁止用户帐号发表评论信息。这里的随机数的生成过程与上述与第三预定常数进行比较的随机数的生成过程可以是同一个，也可以是两个不同的随机数的生成过程。

综上所述，本发明实施例提供的评论信息发表方法，通过增加一个预定常数与随机数进行比较的过程，使得被允许发表评论信息的数值相对较低的用户帐号也有一定的几率发表评论信息，若是发表的评论信息质量较高，则该用户帐号被允许发表评论信息的数值可能会逐渐变大，从而能够有机会发表更多的评论信息。

在一种可能的情况中，用户帐号在被禁止发表评论信息时可能会被禁言一段时间，也就是说，在这段时间内，服务器禁止发表该用户提交的任何评论信息。用户帐号被禁言的时长可以由服务器预先设置成统一的，也可以设置成与被允许发表评论信息的数值相关，具体可以参见如下描述。

一般的，服务器对用户禁言可能会将系统预定的时长统一作为所有用户的禁止时长的标准，比如，将所有用户的禁止时长均设置为5秒，则用户在这5秒内不能发表任何评论信息。

而将用户帐号被禁言的时长设置成与被允许发表评论信息的数值相关，具体可以通过如下方式实现：

第一步，根据被允许发表评论信息的数值计算与用户帐号对应的禁止时长，禁止时长与被允许发表评论信息的数值呈负向相关性。

考虑到被允许发表评论信息的数值越低的用户帐号，可能发表的低质量的评论信息越多，因此将禁止时长设置为与被允许发表评论信息的数值呈负向相关性，使得被允许发表评论信息的数值越低的用户帐号的禁止时长越长，从而被允许发表评论信息的数值越低的用户帐号在较长的时长内不能发表低质量的评论信息。

第二步，在禁止时长内禁止发表该用户帐号提交的其他评论信息。

这里所讲的禁止发表该用户帐号提交的其他评论信息，相当于在禁止时长内该用户帐号不能发表任何评论信息，这样就可以使该用户帐号也不能在其他主题下面发表评论信息。

综上所述，本发明实施例提供的禁止发表评论信息的方法，通过根据被允许发表评论信息的数值来确定禁止时长，使得被允许发表评论信息的数值较低的用户帐号会被禁言更长时间，从而在较长的时间段内不能够发表质量较差的评论信息，能够提高平台上各个主题的评论信息的质量。

下述为本发明装置实施例，对于装置实施例中未详尽描述的细节，可以参见上述一一对应的方法实施例。

图4是本发明一个实施例中提供的评论信息发表装置的结构方框图。本实施例以该评论信息发表装置应用于图1所示的服务器120来举例说明。该评论信息发表装置包括：接收模块410、获取模块420和第一发表模块430。

接收模块410，用于实现上述步骤308的功能。

获取模块420，用于实现上述步骤309的功能。

第一发表模块430，用于实现上述步骤310的功能。

在一种可能的实现方式中，获取模块420，可以包括：获取单元、第一计算单元和第二计算单元。

获取单元，用于实现上述步骤301的功能。

第一计算单元，用于实现上述步骤302的功能。

第二计算单元，用于实现上述步骤303至步骤307的功能。

在一种可能的实现方式中，获取单元，可以包括：第一获取子单元、第二获取子单元和第三获取子单元。

第一获取子单元，用于实现上述获取用户帐号在网络平台上的行为数据，根据用户帐号的行为数据计算用户帐号的信用分值的功能。

第二获取子单元，用于实现上述当用户帐号为在第三方网络平台注册的用户帐号时，从第三方网络平台获取用户帐号的信用分值的功能。

第三获取子单元，用于实现上述从信用库中获取用户帐号的信用分值的功能。

在一种可能的实现方式中，第一计算单元，包括：第一计算子单元和第二计算子单元。

第一计算子单元，用于实现上述获取各个用户帐号的平均信用分值，计算该用户帐号的信用分值相对于平均信用分值的强度，得到第一强度的功能。

第二计算子单元，用于实现上述利用第一强度确定该用户帐号被允许发表评论信息的数值的功能。

在一种可能的实现方式中，第二计算单元，包括：第四获取子单元、预估子单元、第三计算子单元、第四计算子单元和第五计算子单元。

第四获取子单元，用于实现上述步骤303的功能。

预估子单元，用于实现上述步骤304的功能。

第三计算子单元，用于实现上述步骤305的功能。

第四计算子单元，用于实现上述步骤306的功能。

第五计算子单元，用于实现上述步骤307的功能。

在一种可能的实现方式中，第四获取子单元还用于实现上述在评论信息被发表后，获取对评论信息进行预测得到的预测支持度，以及评论信息的实际支持度；根据预测支持度、实际支持度，以及预测支持度和实际支持度的权重系数，得到评论信息的评论质量分值的功能。

在一种可能的实现方式中，第五计算子单元还用于实现上述将第二强度的相反数作为以第一预定常数为底数的指数函数的指数，得到第一数值；将第一数值与第二预定常数相加，得到第二数值；将第二数值的倒数作为该用户帐号被允许发表评论信息的数值的功能。

在一种可能的实现方式中，该评论信息发表装置，还可以包括：比较模块、第二发表模块和禁止模块。

比较模块，用于实现上述步骤311的功能。

第二发表模块，用于实现上述步骤312和步骤313的功能。

禁止模块，用于实现上述步骤312和步骤314的功能。

在一种可能的实现方式中，禁止模块还用于实现上述根据被允许发表评论信息的概率计算与用户帐号对应的禁止时长；在禁止时长内禁止发表该用户帐号提交的其他评论信息的功能。

综上所述，本发明实施例中提供的评论信息发表装置，通过获取所述用户帐号被允许发表所述评论信息的数值，将该数值与预定阈值进行比较，当该数值大于预定阈值时，在被评论对象对应的评论位置发表该评论信息，由于该数值是至少根据用户帐号的信用分值获取到的，而信用分值可以用来表征用户帐号的信用级别，从而可以反映出该用户帐号发表的评论信息的可信度，因此通过该数值与预定阈值的关系对用户帐号能否发表评论信息进行区分，达到了区分用户的评论机会，减少信用较低的用户发表不适当的评论，提高网络平台上评论信息的质量的效果。

需要说明的是：上述实施例中提供的评论信息发表装置在发表评论信息时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将服务器的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的评论信息发表装置与评论信息发表方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (18)

1.一种评论信息发表方法，其特征在于，所述方法包括：

接收用户帐号提交的评论信息以及被评论对象的标识信息；

至少根据所述用户帐号的信用分值获取所述用户帐号被允许发表所述评论信息的数值，所述数值与所述用户帐号的信用分值呈正向相关性；

当所述数值大于预定阈值时，根据所述标识信息获取所述被评论对象的评论位置，在所述评论位置发表所述评论信息。

2.根据权利要求1所述的方法，其特征在于，所述至少根据所述用户帐号的信用分值获取所述用户帐号被允许发表所述评论信息的数值，包括：

获取所述用户帐号的信用分值，根据所述信用分值计算所述用户帐号被允许发表所述评论信息的数值；

或者，

获取所述用户帐号的信用分值，根据所述信用分值和所述用户帐号历史发表的评论信息的评论质量分值计算所述用户帐号的可信度，根据所述用户帐号的可信度和各个用户帐号的平均可信度计算被允许发表所述评论信息的数值，所述评论质量分值用于评估评论信息的质量。

3.根据权利要求2所述的方法，其特征在于，所述获取所述用户帐号的信用分值，包括：

获取所述用户帐号在网络平台上的行为数据，所述行为数据是具备所述用户帐号的用户在所述网络平台上操作时产生的历史数据；根据所述用户帐号的行为数据，计算所述用户帐号的信用分值；

或者，

当所述用户帐号为在第三方网络平台注册的用户帐号时，从所述第三方网络平台获取所述用户帐号的信用分值，所述信用分值是所述第三方网络平台通过所述用户帐号在所述第三方网络平台上的行为数据计算得到的；

或者，

从信用库中获取所述用户帐号的信用分值，所述信用库为存储各个用户帐号的信用分值的平台。

4.根据权利要求2所述的方法，其特征在于，所述根据所述信用分值计算所述用户帐号被允许发表所述评论信息的数值，包括：

获取各个用户帐号的平均信用分值，计算所述用户帐号的信用分值相对于所述平均信用分值的强度，得到第一强度；

利用所述第一强度确定所述用户帐号被允许发表所述评论信息的数值，所述被允许发表所述评论信息的数值与所述第一强度呈正向相关性。

5.根据权利要求2所述的方法，其特征在于，所述根据所述信用分值和所述用户帐号历史发表的评论信息的评论质量分值计算所述用户帐号的可信度，根据所述用户帐号的可信度和各个用户帐号的平均可信度计算被允许发表所述评论信息的数值，包括：

获取所述用户帐号发表的各个评论信息的评论质量分值；

根据所述用户帐号发表的各个评论信息的评论质量分值的平均值进行预估，得到所述评论信息的评论质量分值的预估值，所述预估值是预估的所述用户帐号提交的所述评论信息的评论质量分值的最大值；

根据所述评论质量分值的预估值、所述用户帐号的信用分值，以及所述评论质量分值的预估值和所述信用分值的权重系数，得到所述用户帐号的可信度；

获取各个用户帐号的平均可信度，计算所述用户帐号的可信度相对于所述平均可信度的强度，得到第二强度；

利用所述第二强度确定所述用户帐号被允许发表所述评论信息的数值，所述被允许发表所述评论信息的数值与所述第二强度呈正向相关性。

6.根据权利要求5所述的方法，其特征在于，所述获取所述用户帐号发表的各个评论信息的评论质量分值，包括：

对于所述用户帐号发表的每个评论信息，在评论信息被发表后，获取对所述评论信息进行预测得到的预测支持度，以及所述评论信息的实际支持度；

根据所述预测支持度、所述实际支持度，以及所述预测支持度和所述实际支持度的权重系数，得到所述评论信息的评论质量分值。

7.根据权利要求5所述的方法，其特征在于，所述利用所述第二强度确定所述用户帐号被允许发表所述评论信息的数值，包括：

将所述第二强度的相反数作为以第一预定常数为底数的指数函数的指数，得到第一数值，所述第一预定常数是大于1的常数；

将所述第一数值与第二预定常数相加，得到第二数值，所述第二预定常数是大于或等于1的常数；

将所述第二数值的倒数作为所述用户帐号被允许发表所述评论信息的数值。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述数值小于预定阈值时，将第三预定常数与随机数进行比较，所述第三预定常数是系统预定的一个0至1之间的常数，所述随机数是随机生成的0至1之间的常数；

当所述第三预定常数大于所述随机数时，根据所述标识信息获取所述被评论对象的评论位置，在所述评论位置发表所述评论信息；

当所述第三预定常数小于所述随机数时，禁止发表所述评论信息。

9.根据权利要求8所述的方法，其特征在于，在所述禁止发表所述评论信息之后，所述方法还包括：

根据所述数值计算与所述用户帐号对应的禁止时长，所述禁止时长与所述数值呈负向相关性；

在所述禁止时长内禁止发表所述用户帐号提交的其他评论信息。

10.一种评论信息发表装置，其特征在于，所述装置包括：

接收模块，用于接收用户帐号提交的评论信息以及被评论对象的标识信息；

获取模块，用于至少根据所述用户帐号的信用分值获取所述用户帐号被允许发表所述接收模块接收到的所述评论信息的数值，所述数值与所述用户帐号的信用分值呈正向相关性；

第一发表模块，用于当所述获取模块获取到的所述数值大于预定阈值时，根据所述接收模块接收到的所述标识信息获取所述被评论对象的评论位置，在所述评论位置发表所述评论信息。

11.根据权利要求10所述的装置，其特征在于，所述获取模块，包括：

获取单元，用于获取所述用户帐号的信用分值；

第一计算单元，用于根据所述获取单元获取的所述信用分值计算所述用户帐号被允许发表所述评论信息的数值；

第二计算单元，用于根据所述获取单元获取的所述信用分值和所述用户帐号历史发表的评论信息的评论质量分值计算所述用户帐号的可信度，根据所述用户帐号的可信度和各个用户帐号的平均可信度计算被允许发表所述评论信息的数值，所述评论质量分值用于评估评论信息的质量。

12.根据权利要求11所述的装置，其特征在于，所述获取单元，包括：

第一获取子单元，用于获取所述用户帐号在网络平台上的行为数据，所述行为数据是具备所述用户帐号的用户在所述网络平台上操作时产生的历史数据；根据所述用户帐号的行为数据，计算所述用户帐号的信用分值；

第二获取子单元，用于当所述用户帐号为在第三方网络平台注册的用户帐号时，从所述第三方网络平台获取所述用户帐号的信用分值，所述信用分值是所述第三方网络平台通过所述用户帐号在所述第三方网络平台上的行为数据计算得到的；

第三获取子单元，用于从信用库中获取所述用户帐号的信用分值，所述信用库为存储各个用户帐号的信用分值的平台。

13.根据权利要求11所述的装置，其特征在于，所述第一计算单元，包括：

第一计算子单元，用于获取各个用户帐号的平均信用分值，计算所述用户帐号的信用分值相对于所述平均信用分值的强度，得到第一强度；

第二计算子单元，用于利用所述第一计算子单元得到的所述第一强度确定所述用户帐号被允许发表所述评论信息的数值，所述被允许发表所述评论信息的数值与所述第一强度呈正向相关性。

14.根据权利要求11所述的装置，其特征在于，所述第二计算单元，包括：

第四获取子单元，用于获取所述用户帐号发表的各个评论信息的评论质量分值；

预估子单元，用于根据所述第四获取子单元获取的所述用户帐号发表的各个评论信息的评论质量分值的平均值进行预估，得到所述评论信息的评论质量分值的预估值，所述预估值是预估的所述用户帐号提交的所述评论信息的评论质量分值的最大值；

第三计算子单元，用于根据所述预估子单元预估的所述评论质量分值的预估值、所述用户帐号的信用分值，以及所述评论质量分值的预估值和所述信用分值的权重系数，得到所述用户帐号的可信度；

第四计算子单元，用于获取各个用户帐号的平均可信度，计算所述第三计算子单元得到的所述用户帐号的可信度相对于所述平均可信度的强度，得到第二强度；

第五计算子单元，用于利用所述第四计算子单元得到的所述第二强度确定所述用户帐号被允许发表所述评论信息的数值，所述被允许发表所述评论信息的数值与所述第二强度呈正向相关性。

15.根据权利要求14所述的装置，其特征在于，所述第四获取子单元，还用于

对于所述用户帐号发表的每个评论信息，在评论信息被发表后，获取对所述评论信息进行预测得到的预测支持度，以及所述评论信息的实际支持度；

根据所述预测支持度、所述实际支持度，以及所述预测支持度和所述实际支持度的权重系数，得到所述评论信息的评论质量分值。

16.根据权利要求14所述的装置，其特征在于，所述第五计算子单元，还用于

将所述第二强度的相反数作为以第一预定常数为底数的指数函数的指数，得到第一数值，所述第一预定常数是大于1的常数；

将所述第一数值与第二预定常数相加，得到第二数值，所述第二预定常数是大于或等于1的常数；

将所述第二数值的倒数作为所述用户帐号被允许发表所述评论信息的数值。

17.根据权利要求10所述的装置，其特征在于，所述装置还包括：

比较模块，用于在所述数值小于预定阈值时，将第三预定常数与随机数进行比较，所述第三预定常数是系统预定的一个0至1之间的常数，所述随机数是随机生成的0至1之间的常数；

第二发表模块，用于当所述第三预定常数大于所述随机数时，根据所述标识信息获取所述被评论对象的评论位置，在所述评论位置发表所述评论信息；

禁止模块，用于当所述第三预定常数小于所述随机数时，禁止发表所述评论信息。

18.根据权利要求17所述的装置，其特征在于，所述禁止模块，还用于

根据所述数值计算与所述用户帐号对应的禁止时长，所述禁止时长与所述数值呈负向相关性；

在所述禁止时长内禁止发表所述用户帐号提交的其他评论信息。