CN109101553B - 用于购买方非受益方的行业的采购用户评价方法和系统 - Google Patents
用于购买方非受益方的行业的采购用户评价方法和系统 Download PDFInfo
- Publication number
- CN109101553B CN109101553B CN201810759471.9A CN201810759471A CN109101553B CN 109101553 B CN109101553 B CN 109101553B CN 201810759471 A CN201810759471 A CN 201810759471A CN 109101553 B CN109101553 B CN 109101553B
- Authority
- CN
- China
- Prior art keywords
- keyword
- information
- evaluation
- features
- purchasing
- 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.)
- Active
Links
Images
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
- G06Q30/0282—Rating or review of business operators or products
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于购买方非受益方的行业的采购用户评价方法和系统,其中,方法包括:获取商品的商品属性信息和对应用户的身份信息,身份信息包括星级维度信息;将商品属性信息和星级维度信息利用协同过滤算法与预设的关键词数据库进行匹配过滤,得到关键词特征集合及每个关键词特征集合中关键词特征的匹配度;将关键词特征集合中的关键词特征以关联规则随机生成若干评价信息,并根据每个评价信息对应的匹配度将评价信息进行发表。本发明实现快速有效推荐与采购用户相匹配的评价数据,使采购用户能够做出有效准确的评价,达到缓解采购方非直接受益方的冲突,而且使得评价具有有效的参考价值。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种用于购买方非受益方的行业的采购用户评价方法和系统。
背景技术
评价是指对人或物进行判断、分析得出结论。随着电子商务规模的不断扩展,电商平台纷纷推出评价系统,一方面可以给他人在消费时作参考,增加平台的转化率。另一方面可以帮助平台进行商家管理,搭建诚信系统。根据调查显示,人们在网上购物时很看重商品评价。
但是对于购买方并非受益方的行业来说,比如,涉及政府采购或企业内部的采购。其用户评价显然与大众消费者对购买商品的评价存在许多不同。因为买与用的不对等关系,评价的动机相对来讲就很弱,购买后对商品、服务等相关信息的真实感官就很难表现出来。通常是靠使用者反馈后,购买方代为评价,更多的是由购买方基于自己的想法来随意评价,导致购买方很难做出准确快速的评价,而且这种评价也会存在很多无效的信息。
发明内容
本发明提供的用于购买方非受益方的行业的采购用户评价方法和系统,其主要目的在于克服涉及购买方非受益方的行业的采购用户不能快速做出有效准确的评价的问题。
为解决上述技术问题,本发明采用如下技术方案:
一种用于购买方非受益方的行业的采购用户评价方法,包括以下步骤;
获取商品的商品属性信息和对应用户的身份信息,所述身份信息包括星级维度信息;
将所述商品属性信息和星级维度信息利用协同过滤算法与预设的关键词数据库进行匹配过滤,得到关键词特征集合及每个关键词特征集合中关键词特征的匹配度;
将所述关键词特征集合中的关键词特征以关联规则随机生成若干评价信息,并根据每个所述评价信息对应的匹配度将所述评价信息进行发表。
作为一种可实施方式,所述将所述商品属性信息和星级维度信息利用协同过滤算法与预设的关键词数据库进行匹配过滤,得到关键词特征集合及每个关键词特征集合中关键词特征的匹配度,包括以下步骤;
根据所述商品属性信息利用协同过滤算法对预设的关键词数据库进行匹配过滤,得到描述关键词特征及对应的匹配度;
根据所述星级维度信息利用协同过滤算法对预设的关键词数据库进行匹配过滤,得到感受关键词特征及对应的匹配度;
将所述描述关键词特征和感受关键词特征进行聚合处理,得到关键词特征集合。
作为一种可实施方式,所述将所述关键词特征集合中的关键词特征以关联规则随机生成以短语为单位的评价信息,包括以下步骤;
提取所述关键词特征集合中分别与所述商品属性信息和星级维度信息关联的关键词特征,得到关键词特征,所述关键词特征包括描述关键词特征和感受关键词特征;
以短语为单位,随机选择所述描述关键词特征和感受关键词特征生成评价信息。
作为一种可实施方式,本发明提供的用于购买方非受益方的行业的采购用户评价方法,还包括以下步骤;
在获取用户的身份信息和采购的商品属性信息之前,预设关键词数据库;具体为;
在指定数据库中收集和/或利用爬虫技术从网页中抓取,获得各类商品的评价信息、商品属性信息以及对应用户的身份信息;
按照身份信息中的星级维度信息划分建立分类类别;利用自然语言处理方式对评价信息进行预处理,并将预处理得到的每个关键词特征与商品属性信息和分类类别分别建立关联关系,将每个所述关键词特征按照对应的所述关联关系建立关键词数据库。
作为一种可实施方式,本发明提供的用于购买方非受益方的行业的采购用户评价方法,还包括以下步骤;
在将所述关键词特征集合中的关键词特征以关联规则随机生成若干评价信息之后,将所述评价信息以标签形式排序显示。
相应的,本发明还提供一种用于购买方非受益方的行业的采购用户评价系统,包括获取模块、匹配过滤模块以及生成发表模块;
所述获取模块,用于获取商品的商品属性信息和对应用户的身份信息,所述身份信息包括星级维度信息;
所述匹配过滤模块,用于将所述商品属性信息和星级维度信息利用协同过滤算法与预设的关键词数据库进行匹配过滤,得到关键词特征集合及每个关键词特征集合中关键词特征的匹配度;
所述生成发表模块,用于将所述关键词特征集合中的关键词特征以关联规则随机生成若干评价信息,并根据每个所述评价信息对应的匹配度将所述评价信息进行发表。
作为一种可实施方式,所述匹配过滤模块包括第一匹配过滤单元、第二匹配过滤单元以及聚合单元;
所述第一匹配过滤单元,用于根据所述商品属性信息利用协同过滤算法对预设的关键词数据库进行匹配过滤,得到描述关键词特征及对应的匹配度;
所述第二匹配过滤单元,用于根据所述星级维度信息利用协同过滤算法对预设的关键词数据库进行匹配过滤,得到感受关键词特征及对应的匹配度;
所述聚合单元,用于将所述描述关键词特征和感受关键词特征进行聚合处理,得到关键词特征集合。
作为一种可实施方式,所述生成发表模块包括提取单元和生成单元;
所述提取单元,用于提取所述关键词特征集合中分别与所述商品属性信息和星级维度信息关联的关键词特征,得到关键词特征,所述关键词特征包括描述关键词特征和感受关键词特征;
所述生成单元,用于以短语为单位,随机选择所述描述关键词特征和感受关键词特征生成评价信息。
作为一种可实施方式,本发明提供的用于购买方非受益方的行业的采购用户评价系统,还包括预设模块;
所述预设模块,用于在获取用户的身份信息和采购的商品属性信息之前,预设关键词数据库;具体为;
在指定数据库中收集和/或利用爬虫技术从网页中抓取,获得各类商品的评价信息、商品属性信息以及对应用户的身份信息;
按照身份信息中的星级维度信息划分建立分类类别;利用自然语言处理方式对评价信息进行预处理,并将预处理得到的每个关键词特征与商品属性信息和分类类别分别建立关联关系,将每个所述关键词特征按照对应的所述关联关系建立关键词数据库。
作为一种可实施方式,本发明提供的用于购买方非受益方的行业的采购用户评价系统,还包括标签形式模块;
所述标签形式模块,用于在将所述关键词特征集合中的关键词特征以关联规则随机生成若干评价信息之后,将所述评价信息以标签形式排序显示。
与现有技术相比,本技术方案具有以下优点:
本发明提供的用于购买方非受益方的行业的采购用户评价方法和系统,利用协同过滤算法将商品属性信息和星级维度信息与预设的关键词数据库进行匹配过滤,得到关键词特征集合及每个关键词特征集合中关键词特征的匹配度;利用关键词特征集合中的关键词特征以关联规则随机生成若干评价信息,并以评价信息对应的匹配度为依据发表。从而实现快速有效推荐与采购用户相匹配的评价数据,使采购用户能够做出有效准确的评价,达到缓解采购方非直接受益方的冲突,而且使得评价具有有效的参考价值。
附图说明
图1为本发明实施例一提供的用于购买方非受益方的行业的采购用户评价方法的流程示意图;
图2为本发明实施例四提供的用于购买方非受益方的行业的采购用户评价系统的结构示意图;
图3为图2中匹配过滤模块的结构示意图。
图中:100、获取模块;200、匹配过滤模块;210、第一匹配过滤单元;220、第二匹配过滤单元;230、聚合单元;300、生成发表模块;310、提取单元;320、生成单元;400、预设模块。
具体实施方式
以下结合附图,对本发明上述的和另外的技术特征和优点进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的部分实施例,而不是全部实施例。
请参阅图1,本发明实施例一提供的用于购买方非受益方的行业的采购用户评价方法,包括以下步骤;
S100、获取商品的商品属性信息和对应用户的身份信息,身份信息包括星级维度信息;
S200、将商品属性信息和星级维度信息利用协同过滤算法与预设的关键词数据库进行匹配过滤,得到关键词特征集合及每个关键词特征集合中关键词特征的匹配度;
S300、将关键词特征集合中的关键词特征以关联规则随机生成若干评价信息,并根据每个评价信息对应的匹配度将评价信息进行发表。
需要说明的是,商品属性信息是商品信息聚合的最小单位,是一组可复用、易检索的标准化信息的集合,该集合描述了一个产品的特性。例如,手机的“品牌”、“型号”能确定唯一的产品,服装的“品牌”、“货号”能确定唯一的产品。而每个用户都对应有唯一的身份信息,包括不限于姓名、联系方式、公司名称以及星级维度信息。其中,星级维度信息可以具有多个维度的分类类别。比如,可以分为一星、两星至五星的梯度分类类别。当然可以划分更多的星级。也可以分为非常不满意、不满意、满意以及很满意等分类类别。分类类别之间的划分不具有严格意义的界限。即非常不满意、不满意之间具有交互的一些词汇。
协同过滤算法是通过用户的历史行为数据发现用户对商品或内容的喜欢(如商品购买,收藏,内容评论或分享),并对这些喜好进行度量和打分。根据不同用户对相同商品或内容的态度和偏好程度计算用户之间的关系。当用户进行采购时,利用协同过滤算法得到与当前用户具有相同喜好的用户,即属于同类用户。将商品属性信息与预设的关键词数据库中该同类用户评价的关键词特征进行匹配过滤。简单的说就是如果A,B两个用户都购买了x,y,z三本图书,并且给出了五星的好评,那么A和B就属于同一类用户。在以A采购的商品属性信息与预设的关键词数据库进行匹配过滤时,是以A采购的商品属性信息从关键词数据库匹配过滤出A和B评价这个商品属性信息的所有关键词特征。而且每个关键词特征对应的都具有对应的匹配度,用户自身评价的历史行为数据匹配度高于同类其他用户评价的关键词特征,降低非直接受益方直接评论中无效信息的干扰。对于星级维度信息的匹配过滤也是相同的道理。那么关键词特征集合也就是所有匹配过滤出来的关键词特征的集合,其包含了两类关键词特征。
评价信息为具有这两类关键词特征随机生成的短语。评价信息对应的匹配度就是其包含这两类关键词特征各自对应的匹配度计算得到的,可以是各自对应的匹配度乘以预设系数之和。比如,根据商品属性信息匹配过滤得到的关键词特征为“这款笔记本电脑”匹配度为3;“256g内存”匹配度为2;等。根据星级维度信息匹配过滤得到的关键词特征为“很满意”匹配度为5;“同事很喜欢”匹配度为4;“响应非常快”匹配度为1;等。那么随机生成的评价信息可以为这款笔记本电脑同事很喜欢,其对应的匹配度为3*a+4*b。其中,a描述关键词特征的预设系数,b为感受关键词特征的预设系数。于其他实施例中,可以是根据其他匹配算法计算评价信息对应的匹配度。
本发明提供的用于购买方非受益方的行业的采购用户评价方法和系统,利用协同过滤算法将商品属性信息和星级维度信息与预设的关键词数据库进行匹配过滤,得到关键词特征集合及每个关键词特征集合中关键词特征的匹配度;利用关键词特征集合中的关键词特征以关联规则随机生成若干评价信息,并以评价信息对应的匹配度为依据发表。从而实现快速有效推荐与采购用户相匹配的评价数据,使采购用户能够做出有效准确的评价,达到缓解采购方非直接受益方的冲突,而且使得评价具有有效的参考价值。
进一步的,步骤S200包括以下步骤;
S210、根据商品属性信息利用协同过滤算法对预设的关键词数据库进行匹配过滤,得到描述关键词特征及对应的匹配度;
S220、根据星级维度信息利用协同过滤算法对预设的关键词数据库进行匹配过滤,得到感受关键词特征及对应的匹配度;
S230、将描述关键词特征和感受关键词特征进行聚合处理,得到关键词特征集合。
于本实施例中,将商品属性信息和星级维度信息利用协同过滤算法与预设的关键词数据库进行匹配过滤是包括了两个分步骤,即分别将商品属性信息和星级维度信息与预设的关键词数据库进行匹配过滤。这两个匹配过滤不分先后顺序,可以同时进行。那么得到两类关键词特征即为描述关键词特征和感受关键词特征。而且每个关键词特征都具有对应的匹配度。使得后续发表的评价信息具有更高的准确性。
进一步的,为了使评价信息更加具有有效性。将关键词特征集合中的关键词特征以关联规则随机生成以短语为单位的评价信息,包括以下步骤;
提取关键词特征集合中分别与商品属性信息和星级维度信息关联的关键词特征,得到关键词特征,关键词特征包括描述关键词特征和感受关键词特征;
以短语为单位,随机选择描述关键词特征和感受关键词特征生成评价信息。
关联规则即为生成评价信息中同时具有与商品属性信息和星级维度信息关联的两者的关键词特征。再以短语为单位,符合短语的语法来随机选择描述关键词特征和感受关键词特征生成评价信息,从而增加评价信息的可读性和准确性。
本发明实施例二提供的用于购买方非受益方的行业的采购用户评价方法,与实施例一相比区别在于,还包括以下步骤;
在获取用户的身份信息和采购的商品属性信息之前,预设关键词数据库;具体为;在指定数据库中收集和/或利用爬虫技术从网页中抓取,获得各类商品的评价信息、商品属性信息以及对应用户的身份信息;按照身份信息中的星级维度信息划分建立分类类别;利用自然语言处理方式对评价信息进行预处理,并将预处理得到的每个关键词特征与商品属性信息和分类类别分别建立关联关系,将每个关键词特征按照对应的关联关系建立关键词数据库。
对于各类商品的评价信息的获取,可以是两种方式实现,分别为在指定数据库中收集和/或利用爬虫技术从网页中抓取。第一种方式,在指定数据库中收集。例如,某些网站中会设置论坛数据库,即在该论坛数据库中会包括用户讨论,评价某些商品的内容和信息,或如,某些网站中会设置评论数据库,即在该评论数据库中会包括用户针对其买到的商品提交的评价信息,在定向收集时,只需要到指定数据库的位置,在相应的数据库中收集包含商品的评价信息。第二种方式,爬虫技术是通过网页的链接地址来寻找网页,从网站某一个页面(通常是首页)开始,读取网页的内容,找到在网页中的其它链接地址,然后通过这些链接地址寻找下一个网页,这样一直循环下去,直到把这个网站所有的网页都抓取完为止。如果把整个互联网当成一个网站,那么利用爬虫技术就可以把互联网上所有的网页都抓取下来。可以设置一些该商品的关键词,采用利用爬虫技术的搜索引擎,由搜索引擎基于爬虫技术的广度收集原理从网页中提取匹配的搜索结果,即抓取商品的评价信息。对于获取的评价信息的预处理,实际上是进行分词、去无效词、词性标注以及属性词筛选等综合处理的过程。使得预处理得到的每个关键词特征是有效的准确的评论用词。因此,利用这类关键词特征建立的关键词数据库生成的评论信息能提高评论的准确性和高效性,缓解采购方非直接受益方的冲突,而且使得评价具有有效的参考价值。
本发明实施例三提供的用于购买方非受益方的行业的采购用户评价方法,与实施例一相比区别在于,其特征在于,还包括以下步骤;
在将关键词特征集合中的关键词特征以关联规则随机生成若干评价信息之后,将评价信息以标签形式排序显示。以标签形式排序显示能够让客户快速选择自己需要的评价信息,避免客户切换评价信息后不能看到之前评价信息的弊端。
基于同一发明构思,本发明实施例四还提供一种用于购买方非受益方的行业的采购用户评价系统,该系统的实施可参照上述方法的过程实现,重复之处不再冗述。
如图2所示,是本发明实施例四提供的用于购买方非受益方的行业的采购用户评价系统的结构示意图,包括获取模块100、匹配过滤模块200以及生成发表模块300;获取模块100用于获取商品的商品属性信息和对应用户的身份信息,身份信息包括星级维度信息;匹配过滤模块200用于将商品属性信息和星级维度信息利用协同过滤算法与预设的关键词数据库进行匹配过滤,得到关键词特征集合及每个关键词特征集合中关键词特征的匹配度;生成发表模块300用于将关键词特征集合中的关键词特征以关联规则随机生成若干评价信息,并根据每个评价信息对应的匹配度将评价信息进行发表。
本发明实现快速有效推荐与采购用户相匹配的评价数据,使采购用户能够做出有效准确的评价,达到缓解采购方非直接受益方的冲突,而且使得评价具有有效的参考价值。
进一步的,生成发表模块300包括提取单元310和生成单元320;提取单元310用于提取关键词特征集合中分别与商品属性信息和星级维度信息关联的关键词特征,得到关键词特征,关键词特征包括描述关键词特征和感受关键词特征;生成单元320用于以短语为单位,随机选择描述关键词特征和感受关键词特征生成评价信息。
本发明实施例五提供的用于购买方非受益方的行业的采购用户评价方法,与实施例四相比区别在于,其特征在于,还包括预设模块400;预设模块400用于在获取用户的身份信息和采购的商品属性信息之前,预设关键词数据库;具体为;在指定数据库中收集和/或利用爬虫技术从网页中抓取,获得各类商品的评价信息、商品属性信息以及对应用户的身份信息;按照身份信息中的星级维度信息划分建立分类类别;利用自然语言处理方式对评价信息进行预处理,并将预处理得到的每个关键词特征与商品属性信息和分类类别分别建立关联关系,将每个关键词特征按照对应的关联关系建立关键词数据库。
如图3所示,为匹配过滤模块200的结构示意图,包括第一匹配过滤单元210、第二匹配过滤单元220以及聚合单元230;第一匹配过滤单元210用于根据商品属性信息利用协同过滤算法对预设的关键词数据库进行匹配过滤,得到描述关键词特征及对应的匹配度;第二匹配过滤单元220用于根据星级维度信息利用协同过滤算法对预设的关键词数据库进行匹配过滤,得到感受关键词特征及对应的匹配度;聚合单元230用于将描述关键词特征和感受关键词特征进行聚合处理,得到关键词特征集合。
本发明实施例六提供的用于购买方非受益方的行业的采购用户评价方法,与实施例四相比区别在于,其特征在于,还包括标签形式模块;标签形式模块用于在将关键词特征集合中的关键词特征以关联规则随机生成若干评价信息之后,将评价信息以标签形式排序显示。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (8)
1.一种用于购买方非受益方的行业的采购用户评价方法,其特征在于,包括以下步骤:
获取商品的商品属性信息和对应用户的身份信息,所述身份信息包括星级维度信息;
将所述商品属性信息和星级维度信息利用协同过滤算法与预设的关键词数据库进行匹配过滤,得到关键词特征集合及每个关键词特征集合中关键词特征的匹配度;包括以下步骤:
根据所述商品属性信息利用协同过滤算法对预设的关键词数据库进行匹配过滤,得到描述关键词特征及对应的匹配度;
根据所述星级维度信息利用协同过滤算法对预设的关键词数据库进行匹配过滤,得到感受关键词特征及对应的匹配度;
将所述描述关键词特征和感受关键词特征进行聚合处理,得到关键词特征集合;
将所述关键词特征集合中的关键词特征以关联规则随机生成若干评价信息,并根据每个所述评价信息对应的匹配度将所述评价信息进行发表。
2.如权利要求1所述的用于购买方非受益方的行业的采购用户评价方法,其特征在于,所述将所述关键词特征集合中的关键词特征以关联规则随机生成以短语为单位的评价信息,包括以下步骤:
提取所述关键词特征集合中分别与所述商品属性信息和星级维度信息关联的关键词特征,得到关键词特征,所述关键词特征包括描述关键词特征和感受关键词特征;
以短语为单位,随机选择所述描述关键词特征和感受关键词特征生成评价信息。
3.如权利要求1-2任意一项所述的用于购买方非受益方的行业的采购用户评价方法,其特征在于,还包括以下步骤:
在获取用户的身份信息和采购的商品属性信息之前,预设关键词数据库;具体为:
在指定数据库中收集和/或利用爬虫技术从网页中抓取,获得各类商品的评价信息、商品属性信息以及对应用户的身份信息;
按照身份信息中的星级维度信息划分建立分类类别;利用自然语言处理方式对评价信息进行预处理,并将预处理得到的每个关键词特征与商品属性信息和分类类别分别建立关联关系,将每个所述关键词特征按照对应的所述关联关系建立关键词数据库。
4.如权利要求1-2任意一项所述的用于购买方非受益方的行业的采购用户评价方法,其特征在于,还包括以下步骤:
在将所述关键词特征集合中的关键词特征以关联规则随机生成若干评价信息之后,将所述评价信息以标签形式排序显示。
5.一种用于购买方非受益方的行业的采购用户评价系统,其特征在于,包括获取模块、匹配过滤模块以及生成发表模块;
所述获取模块,用于获取商品的商品属性信息和对应用户的身份信息,所述身份信息包括星级维度信息;
所述匹配过滤模块,用于将所述商品属性信息和星级维度信息利用协同过滤算法与预设的关键词数据库进行匹配过滤,得到关键词特征集合及每个关键词特征集合中关键词特征的匹配度;
所述匹配过滤模块包括第一匹配过滤单元、第二匹配过滤单元以及聚合单元;
所述第一匹配过滤单元,用于根据所述商品属性信息利用协同过滤算法对预设的关键词数据库进行匹配过滤,得到描述关键词特征及对应的匹配度;
所述第二匹配过滤单元,用于根据所述星级维度信息利用协同过滤算法对预设的关键词数据库进行匹配过滤,得到感受关键词特征及对应的匹配度;
所述聚合单元,用于将所述描述关键词特征和感受关键词特征进行聚合处理,得到关键词特征集合;
所述生成发表模块,用于将所述关键词特征集合中的关键词特征以关联规则随机生成若干评价信息,并根据每个所述评价信息对应的匹配度将所述评价信息进行发表。
6.如权利要求5所述的用于购买方非受益方的行业的采购用户评价系统,其特征在于,所述生成发表模块包括提取单元和生成单元;
所述提取单元,用于提取所述关键词特征集合中分别与所述商品属性信息和星级维度信息关联的关键词特征,得到关键词特征,所述关键词特征包括描述关键词特征和感受关键词特征;
所述生成单元,用于以短语为单位,随机选择所述描述关键词特征和感受关键词特征生成评价信息。
7.如权利要求5-6任意一项所述的用于购买方非受益方的行业的采购用户评价系统,其特征在于,还包括预设模块;
所述预设模块,用于在获取用户的身份信息和采购的商品属性信息之前,预设关键词数据库;具体为:
在指定数据库中收集和/或利用爬虫技术从网页中抓取,获得各类商品的评价信息、商品属性信息以及对应用户的身份信息;
按照身份信息中的星级维度信息划分建立分类类别;利用自然语言处理方式对评价信息进行预处理,并将预处理得到的每个关键词特征与商品属性信息和分类类别分别建立关联关系,将每个所述关键词特征按照对应的所述关联关系建立关键词数据库。
8.如权利要求5-6任意一项所述的用于购买方非受益方的行业的采购用户评价系统,其特征在于,还包括标签形式模块;
所述标签形式模块,用于在将所述关键词特征集合中的关键词特征以关联规则随机生成若干评价信息之后,将所述评价信息以标签形式排序显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810759471.9A CN109101553B (zh) | 2018-07-11 | 2018-07-11 | 用于购买方非受益方的行业的采购用户评价方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810759471.9A CN109101553B (zh) | 2018-07-11 | 2018-07-11 | 用于购买方非受益方的行业的采购用户评价方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109101553A CN109101553A (zh) | 2018-12-28 |
CN109101553B true CN109101553B (zh) | 2020-11-27 |
Family
ID=64845982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810759471.9A Active CN109101553B (zh) | 2018-07-11 | 2018-07-11 | 用于购买方非受益方的行业的采购用户评价方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109101553B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783445A (zh) * | 2019-06-26 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 数据生成方法、装置、介质及电子设备 |
CN112818082A (zh) * | 2019-11-15 | 2021-05-18 | 北京沃东天骏信息技术有限公司 | 评价文本推送方法和装置 |
CN111444434A (zh) * | 2020-04-22 | 2020-07-24 | 郭庆涛 | 一种互联网反馈评论的生成方法及系统 |
CN113837824A (zh) * | 2021-08-16 | 2021-12-24 | 上海漫集信息科技有限公司 | 信息推送方法及其系统 |
CN113807893B (zh) * | 2021-09-17 | 2024-02-09 | 上海万向区块链股份公司 | 基于区块链技术的商品智能评价的方法及系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8131271B2 (en) * | 2005-11-05 | 2012-03-06 | Jumptap, Inc. | Categorization of a mobile user profile based on browse behavior |
US8666376B2 (en) * | 2005-09-14 | 2014-03-04 | Millennial Media | Location based mobile shopping affinity program |
CN105046497A (zh) * | 2007-11-14 | 2015-11-11 | 潘吉瓦公司 | 评估供应交易的公共记录 |
CN102760163B (zh) * | 2012-06-12 | 2015-04-29 | 北京奇虎科技有限公司 | 一种特征信息的个性化推荐方法及装置 |
CN103345645B (zh) * | 2013-06-27 | 2016-09-28 | 复旦大学 | 面向网购平台的商品图像类别预测方法 |
CN103838885B (zh) * | 2014-03-31 | 2017-02-01 | 苏州大学 | 一种面向广告投放的潜在用户检索及用户模型排序方法 |
CN105373597B (zh) * | 2015-10-27 | 2016-11-09 | 华侨大学 | 基于k‑medoids项目聚类和局部兴趣融合的用户协同过滤推荐方法 |
CN105677769B (zh) * | 2015-12-29 | 2018-01-05 | 广州神马移动信息科技有限公司 | 一种基于潜在狄利克雷分配(lda)模型的关键词推荐方法和系统 |
CN106126669B (zh) * | 2016-06-28 | 2019-07-16 | 北京邮电大学 | 基于标签的用户协同过滤内容推荐方法及装置 |
CN109815402A (zh) * | 2019-01-23 | 2019-05-28 | 北京工业大学 | 基于用户特征的协同过滤推荐算法 |
-
2018
- 2018-07-11 CN CN201810759471.9A patent/CN109101553B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109101553A (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109101553B (zh) | 用于购买方非受益方的行业的采购用户评价方法和系统 | |
CN109359244B (zh) | 一种个性化信息推荐方法和装置 | |
CN107861972B (zh) | 一种用户录入商品信息后显示商品全结果的方法及设备 | |
Cheng et al. | Personalized click prediction in sponsored search | |
TWI539305B (zh) | Personalized information push method and device | |
CN108805598B (zh) | 相似度信息确定方法、服务器及计算机可读存储介质 | |
US20130275269A1 (en) | Searching supplier information based on transaction platform | |
CN103778214A (zh) | 一种基于用户评论的商品属性聚类方法 | |
CN103870973A (zh) | 基于电子信息的关键词提取的信息推送、搜索方法及装置 | |
Ku et al. | Artificial intelligence and visual analytics: a deep-learning approach to analyze hotel reviews & responses | |
CN105468649B (zh) | 一种待展示对象匹配的判断方法及其装置 | |
Kurnia et al. | Classification of user comment using word2vec and SVM classifier | |
Prasetyo | Searching cheapest product on three different e-commerce using k-means algorithm | |
CN114266443A (zh) | 数据评估方法和装置、电子设备、存储介质 | |
CN107766229B (zh) | 一种利用蜕变测试评价商品搜索系统正确性的方法 | |
Alksher et al. | A review of methods for mining idea from text | |
Kaburuan et al. | Sentiment Analysis on Product Reviews from Shopee Marketplace using the Naïve Bayes Classifier | |
Soliman et al. | Utilizing support vector machines in mining online customer reviews | |
Jha et al. | Sentiment analysis for E-commerce products using natural language processing | |
Powell et al. | Developing artwork pricing models for online art sales using text analytics | |
Zhao et al. | Tourism e-commerce recommender system based on web data mining | |
JP6509590B2 (ja) | 商品に対するユーザの感情分析装置及びプログラム | |
CN116703515A (zh) | 基于人工智能的推荐方法、装置、计算机设备及存储介质 | |
CN116402569A (zh) | 基于知识图谱的商品推荐方法、装置、系统及存储介质 | |
Sagarino et al. | Sentiment analysis of product reviews as customer recommendations in shopee philippines using hybrid approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |