CN108230085A - 一种基于用户评论的商品评价系统及方法 - Google Patents

Abstract

本发明请求保护一种基于用户评论的商品评价模型系统及方法，该方法包括：步骤一，获取电商网站中的商品评论数据及商品销量信息；步骤二，通过自然语言处理的方式，对获取的商品评论数据进行预处理；步骤三，在完成商品评论数据预处理的基础上，筛选出商品的评价属性词；步骤四，针对商品类型和筛选出的商品属性词，对商品属性词进行人工分类，并建立训练数据集，与此同时建立商品评价属性结构；步骤五，根据已建立的商品评价属性结构和已标记的属性词训练集，利用分类算法对测试集进行分类，并根据分类结果和数据信息建立基本评价模型；步骤六，根据商品基本评价模型，调整各属性对评价模型中商品销量的影响程度，生成适合某种商品的评价模型。

Description

一种基于用户评论的商品评价系统及方法

技术领域

本发明属于建模与商品推荐方面，尤其涉及一种基于用户评论的商品评价模型系统及方法。

背景技术

随着互联网的快速发展，消费者更加注重对商品推荐信息的可靠性，多种情况都是在一定评价基础上做出的判断，如：商品优选、服务评价等，都需要根据评价做出选择，对事物合理、客观的评价成为信息社会中人们寻求满意结果的过程之一。如何提供一种准确而又高效的选择方式，便成为亟待解决的一个问题。

目前，传统的评价体系越来越难以满足用户的个性化需求，评价区分过于单调，难以客观反映整体信息。如：网店商品评价中仅给出“好评”、“中评”、“差评”简单评价，语言模糊，精细化不足，而本身又偏于主观，对用户的参考作用并不大。因此，利用聚类等相关处理方式，根据属性聚类得出基本的评价模型，为用户提供个性化的信息服务，帮助用户更快捷、更方便地找到所需要的优先属性类别。

在聚类的过程中，首先要解决词语语义相似度的问题，将语义转化为数值或向量，以便聚类结果更接近实际结果。正是由于在中文语义研究尚不完善，所以一直以来没有很好利用中文数据进行预测或评价。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种方便消费者根据用户评论对商品作出客观的评价的基于用户评论的商品评价系统及方法。本发明的技术方案如下：

一种基于用户评论的商品评价方法，其包括以下步骤：

1)、从电商网站上抓取所需的商品信息，包括买家ID、商品销量和商品评论；

2)、利用自然语言处理的方式，对获取的商品评论进行包括对评论信息的分词、去停用词、词性标注、属性词筛选在内的预处理；

3)、从步骤2)预处理后的商品评论中获取商品评价的属性词，并建立商品评价数据集；

4)、对商品评价中的属性词进行人工标记分类,建立属性词集和商品评价属性结构；

5)、根据步骤4)已建立的商品评价属性结构和已标记的属性词集，利用分类算法对属性词集进行分类，并根据分类结果建立基本评价模型；

6)、根据商品基本评价模型，调整各属性对评价模型中商品销量的影响程度，生成商品评价模型。

进一步的，所述步骤1)中，从电商网站上抓取所需的商品信息包括步骤：设计抓取电商网站的抓取规则，以及从电商网站上抓取的信息类别，抓取信息类别包括：商品的销售量、每条评论的ID号和评论内容。

进一步的，所述步骤3)中建立商品评价数据集的步骤包括：对商品评价属性词进行筛选，针对描述商品外观、价格、功能、性能的词语进行筛选，从而建立商品评价数据集。

进一步的，所述步骤4)中，对商品评价中的属性词进行人工标记分类，是在步骤2)的基础上，对筛选出的描述商品外观、价格、功能、性能的词语进行人工标记，通过聚类算法验证评价属性的基本类别，并建立商品评价属性结构，商品评价属性结构表达式：

E(A(a₁,a₂,...,a_n),P(p₁,p₂,...,p_n),F(f₁,f₂,...,f_n),C(c₁,c₂,...,c_n))

A表示商品外观的总称，a_i表示不同角度下的外观因素；P表示商品的价格；F表示商品功能的总称，f_i表示不同方面的功能；C表示商品性能的总称，c_i表示不同部分的性能，i＝1,2,…,n表示影响各项参数的个数。

进一步的，所述步骤6)根据商品基本评价模型，调整各属性对评价模型中商品销量的影响程度，生成商品评价模型，包括的属性有：外观、价格、功能、性能。

一种基于用户评论的商品评价系统，其包括：数据获取模块，用于获取商品评价模型所需的基本参考数据；

数据预处理模块，通过自然语言处理的方法，把从电商网站中获取的商品评论数据进行包括分词、去停用词、评价属性词过滤在内的预处理；

评价属性分类模块，根据预处理所得的商品属性词，建立符合商品的评价属性结构；

评价模型分析模块，根据商品的评价属性结构，通过聚类的方式对已获得商品属性数据集进行分类，并建立基本评价模型；

评价模型生成模块，根据商品基本评价模型，调整各属性对评价模型中商品销量的影响程度，生成商品评价模型。

本发明的优点及有益效果如下：

本发明的具体创新在于：建立了比较客观的商品属性结构，通过聚类算法对用户评论中的属性词进行分类，将比较模糊的中文词语量化为直观的数据模型，从而方便消费者根据用户评论对商品作出客观的评价。本发明的优点在于：方便用户在购买商品时，根据具体性能参数了解到本商品在哪些用户体验上比较突出，帮助用户作出选择；同时，也可以为手机制造商提供参考，了解到与其他品牌商品相比，自己品牌商品的薄弱之处。

附图说明

图1是本发明提供优选实施例中一种用户评论的商品评价模型的方法的流程图；

图2为本申请中基于用户评论的商品评价模型系统及方法实现图；

图3为抓取网站数据设计的爬取规则。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是：

本发明的一种基于用户评论的商品评价模型的方法的流程图。

本发明提供一种基于用户评论的商品评价模型的方法，包括：

步骤一，获取电商网站中的商品评论数据及商品销量信息；

步骤二，利用自然语言处理的方式，对获取的商品评论进行预处理，包括对评论信息的分词、去停用词、词性标注、属性词筛选等；

步骤三，获取商品评价的属性词，并建立商品评价数据集；

步骤四，对商品评价中的属性词进行人工标记分类，并建立商品评价属性结构；

步骤五，根据已建立的商品评价属性结构和已标记的属性词训练集，利用分类算法对测试集进行分类，并根据分类结果和数据信息建立基本评价模型；

步骤六，根据商品基本评价模型，调整各属性对评价模型中商品销量的影响程度，生成商品评价模型。

所述基于用户评论的商品评价模型的方法，所述步骤一，包括：

从电商网站抓取所需的商品信息包括：设计抓取电商网站的抓取规则(如图3所示)，以及从电商网站上抓取的信息类别，所抓取信息类别包括：商品的销售量、每条评论的ID号和评论内容；

所述基于用户评论的商品评价模型的方法，所述步骤二，包括：

利用自然语言处理的方式，对获取的商品评论进行预处理，包括对评论信息的分词、去停用词、词性标注、属性词筛选等。首先，对商品评论进行分词，并标记词性；其次，根据去停用词词典，对分词去停用词，消除评论中的无关词语；最后，筛选出名词和形容词词性的词语；

所述基于用户评论的商品评价模型的方法，所述步骤三，包括：

对商品评价属性词进行筛选，针对描述商品外观、价格、功能、性能的词语进行筛选，从而建立商品评价数据集；

所述基于用户评论的商品评价模型的方法，所述步骤四，包括：

对商品评价中的属性词进行人工标记分类，是在步骤三的基础上，对筛选出的描述商品外观、价格、功能、性能的词语进行人工标记，通过成熟的聚类算法，如：“k-modes”，“Best-k(ACE)”，“CCA”等算法验证评价属性的基本类别，并建立商品评价属性结构，商品评价属性结构表达式：

E(A(a₁,a₂,...,a_n),P(p₁,p₂,...,p_n),F(f₁,f₂,...,f_n),C(c₁,c₂,...,c_n))

A表示商品外观的总称，a_i表示不同角度下的外观因素；P表示商品的价格；F表示商品功能的总称，f_i表示不同方面的功能；C表示商品性能的总称，c_i表示不同部分的性能；

所述基于用户评论的商品评价模型的方法，所述步骤五，包括：

根据已建立的商品评价属性结构和已标记的属性词训练集，利用分类算法对测试集进行分类，并根据分类结果和数据信息建立基本评价模型；

所述基于用户评论的商品评价模型的方法，所述步骤六，包括：

根据商品基本评价模型，调整各属性对评价模型中商品销量的影响程度，生成商品评价模型。

一种基于用户评论的商品评价模型的方法系统，其包括：

数据获取模块，用于获取商品评价模型所需的基本参考数据；

数据预处理模块，通过自然语言处理的方法，把从电商网站中获取的商品评论数据进行预处理，如：分词，去停用词，评价属性词过滤等；

评价属性分类模块，根据预处理所得的商品属性词，建立符合商品的评价属性结构；

评价模型分析模块，根据商品的评价属性结构，通过聚类的方式对已获得商品属性数据集进行分类，并建立基本评价模型；

评价模型生成模块，根据商品基本评价模型，调整各属性对评价模型中商品销量的影响程度，生成商品评价模型。

例如：某手机销量与用户评论中商品属性关系的评价方法如下：

S1：获取电商网上关于某手机的评论数据；

根据图3所示的网络数据抓取规则，在某电商网站上抓取关于某手机的评论数据，表1表示抓取评论数据的样例。

表1某手机评论数据的样例

S2：通过自然语言处理，对获取的商品评论数据进行预处理；

对商品评论数据的预处理涉及多个小项，包括对评论信息的分词、去停用词、词性标注、属性词筛选等。表2表示对商品评论数据的预处理的结果，其中分别以/n、/a等标记符作为评论词性的标识，/n标识名词性标记，/a标识形容词性标记。

表2评论数据预处理的部分结果

S3：筛选出商品的评价属性词；

根据评论数据的预处理结果以及对商品类型的判断，人工挑选出符合本商品的商品属性词，并建立属性词集；

S4：根据商品的评价特性，建立商品的评价属性结构；

根据手机的特性，建立符合的评价结构，表3表示人工按照对商品判断的常识进行属性分类的结果。

表3对属性词人工分类的结果

根据表3进行人工分类的结果，可以建立手机的评价属性结构为：

E(A(a₁,a₂,...,a_n),P(p₁,p₂,...,p_n),F(f₁,f₂,...,f_n),C(c₁,c₂,...,c_n))

A表示手机外观的总称，a_i表示不同角度下描述外观的因素；P表示手机的价格；F表示手机功能的总称，f_i表示不同方面的功能；C表示手机性能的总称，c_i表示不同部分的性能；

S5：根据已建立的手机评价属性结构和已人工标记的属性词训练集，通过聚类的方式对评价属性词集进行分类，并根据分类结果和数据信息建立基本评价模型；

S6：根据商品基本评价模型，调整各属性对评价模型中商品销量的影响程度，生成商品评价模型。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (8)

1.一种基于用户评论的商品评价方法，其特征在于，包括以下步骤：

1)、从电商网站上抓取所需的商品信息，包括买家ID、商品销量和商品评论；

2)、利用自然语言处理的方式，对获取的商品评论进行包括对评论信息的分词、去停用词、词性标注、属性词筛选在内的预处理；

3)、从步骤2)预处理后的商品评论中获取商品评价的属性词，并建立商品评价数据集；

4)、对商品评价中的属性词进行人工标记分类,建立属性词集和商品评价属性结构；

5)、根据步骤4)已建立的商品评价属性结构和已标记的属性词集，利用分类算法对属性词集进行分类，并根据分类结果建立基本评价模型；

6)、根据商品基本评价模型，调整各属性对评价模型中商品销量的影响程度，生成商品评价模型。

2.根据权利要求1所述的基于用户评论的商品评价方法，其特征在于，所述步骤1)中，从电商网站上抓取所需的商品信息包括步骤：设计抓取电商网站的抓取规则，以及从电商网站上抓取的信息类别，抓取信息类别包括：商品的销售量、每条评论的ID号和评论内容。

3.根据权利要求1所述的基于用户评论的商品评价方法，其特征在于，所述步骤3)中建立商品评价数据集的步骤包括：对商品评价属性词进行筛选，针对描述商品外观、价格、功能、性能的词语进行筛选，从而建立商品评价数据集。

4.根据权利要求2所述的基于用户评论的商品评价方法，其特征在于，所述步骤4)中，对商品评价中的属性词进行人工标记分类，是在步骤2)的基础上，对筛选出的描述商品外观、价格、功能、性能的词语进行人工标记，通过聚类算法验证评价属性的基本类别，并建立商品评价属性结构，商品评价属性结构表达式：

E(A(a₁，a₂，...，a_n)，P(p₁，p₂，...，p_n)，F(f₁，f₂，...，f_n)，C(c₁，c₂，...，c_n))

A表示商品外观的总称，a_i表示不同角度下的外观因素；P表示商品的价格；F表示商品功能的总称,f_i表示不同方面的功能；C表示商品性能的总称，c_i表示不同部分的性能,i＝1,2,…,n表示影响各项参数的个数。

5.根据权利要求4所述的基于用户评论的商品评价方法，其特征在于，所述步骤6)根据商品基本评价模型，调整各属性对评价模型中商品销量的影响程度，生成商品评价模型，包括的属性有：外观、价格、功能、性能。

6.一种基于用户评论的商品评价系统，其特征在于，包括：数据获取模块，用于获取商品评价模型所需的基本参考数据；

数据预处理模块，通过自然语言处理的方法，把从电商网站中获取的商品评论数据进行包括分词、去停用词、评价属性词过滤在内的预处理；

评价属性分类模块，根据预处理所得的商品属性词，建立符合商品的评价属性结构；

评价模型分析模块，根据商品的评价属性结构，通过聚类的方式对已获得商品属性数据集进行分类，并建立基本评价模型；

评价模型生成模块，根据商品基本评价模型，调整各属性对评价模型中商品销量的影响程度，生成商品评价模型。

7.根据权利要求6所述的基于用户评论的商品评价系统，其特征在于，包括：数据获取模块，所述数据获取模块从电商网站上抓取所需的商品信息包括步骤：设计抓取电商网站的抓取规则，以及从电商网站上抓取的信息类别，抓取信息类别包括：商品的销售量、每条评论的ID号和评论内容。

8.根据权利要求6所述的基于用户评论的商品评价系统，其特征在于，包括：所述评价属性分类模块对商品评价中的属性词进行人工标记分类，对筛选出的描述商品外观、价格、功能、性能的词语进行人工标记，通过聚类算法验证评价属性的基本类别，并建立商品评价属性结构，商品评价属性结构表达式：

E(A(a₁，a₂，...，a_n)，P(p₁，p₂，...，p_n)，F(f₁，f₂，...，f_n)，C(c₁，c₂，...，c_n))

A表示商品外观的总称，a_i表示不同角度下的外观因素；P表示商品的价格；F表示商品功能的总称，f_i表示不同方面的功能；C表示商品性能的总称，c_i表示不同部分的性能，i＝1,2,…,n表示影响各项参数的个数。