CN109118243A - 一种产品分享、有用评价识别、推送方法和服务器 - Google Patents

Abstract

本申请提供了一种产品分享、有用评价识别、推送方法和服务器，其中，该产品分享方法包括：获取多条针对产品的评价内容；从多条评价内容中，识别出正向评价；将识别出的正向评价所评价的产品的产品信息，以及该正向评价，推送至创建该正向评价的用户，以使创建该正向评价的用户分享该正向评价所评价的产品。利用本申请实施例提供的技术方案，可以有效提升平台和商家的流量，提升用户活跃度。

Description

一种产品分享、有用评价识别、推送方法和服务器

技术领域

本申请属于互联网技术领域，尤其涉及一种产品分享、有用评价识别、推送方法和服务器。

背景技术

随着互联网技术的不断发展，越来越多的人开始通过网络进行交流、购物、获取信息等。对于电子商务平台而言，主要是提供给用户一个购物的平台，使得用户可以通过该平台实现所需产品的购买。

对于平台上的商家而言，希望自己的产品被更多的人发现、喜欢和购买，平台本身也希望可以有更大的用户流量和成交量。对于平台上的用户而言，在购买产品后，一般都可以对购买的产品进行评价，这些评价信息中包含着用户对产品的喜爱程度，以及这个产品很多的质量信息等。

如何有效利用用户对产品的评价内容中信息，提高平台或者商家的流量，目前尚未提出有效的解决方案。

发明内容

本申请目的在于提供一种产品分享、有用评价识别、推送方法和服务器，可以实现基于用户对产品的评价内容，提高平台和商家流量的目的。

本申请提供一种产品链接分享、有用评价识别、推送方法和装置是这样实现的：

一种产品分享方法，所述方法包括：

获取多条针对产品的评价内容；

从多条评价内容中，识别出正向评价；

将识别出的正向评价所评价的产品的产品信息，以及该正向评价，推送至创建该正向评价的用户，以使创建该正向评价的用户分享该正向评价所评价的产品。

一种有用评价识别方法，所述方法包括：

获取多条针对产品的评价内容；

提取出多条评价内容中的各条评价内容的关键属性、情感词特征和文本特征；

根据各条评价内容的关键属性、情感词特征和文本特征，识别出有用评价。

一种推送方法，所述方法包括：

获取多条正向评价；

将所述多条正向评价的创建者作为目标对象；

在确定流量可达到预设流量限值的情况下，以平台回流收益最大作为目标，从所述目标对象中确定出待推送的目标对象；

向待推送的目标对象推送该待推送的目标对象创建的正向评价及正向评价所评价的产品的产品信息，以使该待推送的目标对象分享正向评价所评价的产品。

一种服务器，包括：处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述方法步骤。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法步骤。

本申请提供的产品链接分享、有用评价识别、推送方法和装置，采用了评价内容的关键属性、情感词特征和文本特征，识别出正向评价，并基于这些评价，向评价内容的创建者发送评价和被评价产品的链接，促使用户分享该产品，从而有效增加了平台和商家的流量，提高了用户活跃度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请提供的产品评价中增加正向评价的界面示意图；

图2是本申请提供的产品评价中增加正向和反向评价的界面示意图；

图3是本申请提供的向用户推送正向评价的分享链接的用户界面示意图；

图4是本申请提供的向用户推送正向评价的分享链接的另一用户界面示意图；

图5是本申请提供的向用户推送正向评价的分享链接的另一用户界面示意图；

图6是本申请提供的向用户推送正向评价的分享链接的另一用户界面示意图；

图7是本申请提供的向用户推送正向评价的分享链接的另一用户界面示意图；

图8是本申请提供的产品推送及分享过程示意图。

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例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

考虑到电子商务平台中，产品来源的多样性，产品质量多存在不同。例如，从图片和产品介绍看上去相同的产品，也可能实际质量上差别很大。为此，考虑到用户的购买评价从一定程度上可以对该产品质量或者是该产品用户满意度进行一个客观评价。

进一步的，因为用户创建的产品评价，也不都是基于这个产品质量和效果写的，有些评价和产品质量本身是不存在什么关系的，例如“发货速度快、卖家服务好”，这种评价和产品本身是没有关系的，这种类型的评价也难以给其他用户一个参考。例如“去黑头效果好、用完之后皮肤水润，不紧绷”，这种评价就可以给其他用户一个参考。

对上述所列举的可以给其他用户一个参考的用户评价和无法给其他用户一个参考的用户评价进行比较区分后，可以发现，两种类型的主要区别在于，可以给其他用户一个参考的用户评价中存在产品的关键属性，以及对应于该关键属性的情感性评价。

基于此，在本申请实施例中提供了一种正向评价识别方法，在该方法中，通过提取评价中产品的关键属性以及评价中的用于表达情感的词，来确定当前的评价是否为有用评价。

在一个实施例中，可以通过预先训练识别分类器，或者是建立识别模型，然后将待识别的评价输入至预先建立的分类器或识别模型中进行分类识别。当然，也可以采用其它的识别方式，例如，预先建立一些规则，从评价中提出对应这些规则的特征，然后进行规则比对，以确定待识别的评价是否为有用评价，具体确定是否为有用评价的方式，本申请不作限定。

考虑到，有些用户对产品的用户评价是直接添加的该产品的产品详情中的图片，或者是有些评价是一些涉及到政治的评价内容、或者有些评价是一些广告(例如，购物群推荐、炒股群推荐等内容组成的评价)等等，对于这些评价可以都作为没有实际参考价值的评价，为了避免这些评价混入到识别模型或者是分类器，可以先对评价内容进行筛选，筛出掉这些没有实际参考价值的评价，这样就避免了这些没有实际参考价值的评价混入到识别模型或者分类器中造成识别结果的准确率较低的问题。

在进行有用评价识别的时候，可以是基于特征实现的，例如，可以是提取评价中的关键属性作为特征，其中，关键属性可以是该评价所评价的产品所属的类目下相对重要的产品属性，例如：该评价所评价的产品为：乳液，那么相应的关键属性就可以是：保湿效果、美白效果、浓稠度、清透程度等等。如果该评价所评价的产品为：女士上衣，那么相应的关键属性就可以是：上身效果、是否舒适等。即，如果产品评价中涉及到该产品的关键属性，那么可以认为该评价是有用评价的可能性比较高。例如，还可以提取评价中的情感词特征，其中，情感词特征可以理解为文本中情感词出现的次数。在一个实施方式中，可以分别统计正向情感词出现的次数、中性情感词出现的次数、负向情感词出现的次数，因为情感词一般可以反映出用户对这个产品的喜爱程度，因此，通过对情感词的统计，可以从一定程度上反应出该评价是否是一个具有参考价值的产品评价，以及对其中涉及到的情感词是正向还是负向，可以识别出评价内容是否为正向评价。

在一个实施方式中，提取文本中的情感词，可以是通过情感词典的方式进行的，例如，从评价文本中提取出一个词“非常洋气”那么可以到情感词典中查找这个词，基于词典中对这个词的定义，确定出这个词是一个正向情感词。

上述说明中，仅是列举的以关键属性和情感词作为确定一条评价是否为有用评价的依据，然而，值得注意的是，在进行有用评价的过程中，还可以采用其它的特征，例如：评价文本的基础特征、产品的行业特征等。其中，评价文本的基础特征可以包括但不限于以下至少之一：句子情感极性(即，该句子是正向的评价，还是负面的评价)、重复文本片段(例如，这个很好，这个很好，这个很好，显然重复比较多，那么相应的，这种评价的有用信息因为重复文本过多，有用信息相对也就可以认为是少一些的)、句子长度(一般可以认为句子越长，可以认为其中所携带的有用信息相对就越多一点)、文本与产品的相关性(例如，评价是提取自一个裤子的产品评价中，但是评价内容是：很好吃、味道特别好，显然，这种评价与产品的相关度就很低，这种可能就是评价错了，可以认为是没有什么有用信息的)、该文本与其它文本的相似度(即，如果该条评价文本与其它文本很类似，那么相对而言，有效信息也是比较少的，这种也可以认为不是特别有用的评价)、点赞数(即，别的用户对该评价的点赞次数，一般而言，点赞数越多，说明别人对这条评价越满意，也就表明这个评价越有用)。其中，上述产品的行业特征，可以是预先知道的，即，在确定该产品对应的类目之后，可以预先为每个类目设置了一些各个类目自身比较重要的属性，那么在确定产品类目之后，就可以将其对应的较为重要的属性作为该确定评价是否为有用评价的依据。

在一个实施方式中，为了提取出可以表征评价是否为有用评价的特征，可以先对该评价进行分词处理，然后，对分词得到的结果标注词性。基于分词和词性标注结果，再进一步提取关键属性、基础特征、情感性特征等。

然而值得注意的是，上述所列举的用于表征评价是否为有用评价的特征仅是一种示意性描述，在实现的时候，还可以根据情况和需要选择其它的特征作为识别特征。

为了实现对评价是否为有用评价的批量识别，可以预先训练得到分类器或者是识别模型。在进行分类器或识别模型训练的时候，可以通过预先收集评价的方式进行，例如，预先收集10000条产品评价，其中，有5000条被认为是有用评价，有5000条被认为是没有参考价值的评价。这些评价都被预先标注了是否为有用评价，作为训练的训练样本。基于这些样本，也按照上述的特征进行提取和训练，从而得到可以按照上述特征表征是否为有用评价的目的。

基于训练得到的分类器或是识别模型，就可以实现对评价是否为有用评价的识别。

在一个实施方式中，对于上述的分类器或者是识别模型而言，可以是按照直接输出有用评价的目的进行训练，也可以按照打分的方式进行训练，即，每个待识别的评价输入到该识别模型或者分类器中，可以输出一个得分，表明该评价以一个有用评价的标准进行评定的话，可以达到一个什么样的分值，或者，是通过输出一个得分表明该评价是一个有用评价的概率。在实现的时候，可以根据需要和目的选择合适的方式训练识别模型或分类器。

通过上述的有用评价识别方法，可以实现对评价是否为有用评价的识别。例如，可以某产品下的所有用户评价，然后将这些评价都输入至预先训练的模型中，识别出这些评价中的有用评价或没什么参考价值的评价(可以称为无用评价)。

例如：在一款护肤精油下面，有如下两个评价：

1)去黑头好像没什么用，但是护肤效果真是杠杠的，易推易吸收不油腻，一两滴就可以一整天都不干燥紧绷；

2)产品质量好，发货速度快，卖家服务态度好。

通过预先建立的识别模型进行识别后，就可以识别出第一条是有用评价，第二条是无用评价。这主要是因为第一条评价涉及到产品的关键属性以及对该关键属性的评述，且内容也相对较多，最终可以识别出是有用的评价。但是对于第二条评论，未涉及产品的任何关键属性，识别出来的结果就是该评价是没什么参考价值的评价。

在一个应用场景中，基于上述所提供的有用评价的识别方法，可以实现对某个产品的所有产品评价的分类，在分类后，可以采用如图1所示的方式显示产品评价，即，增加一项有用评价项，如果浏览产品的用户点击该选项，那么就会将该产品评价中被认定为有用评价的评价进行显示，从而使得用户可以直接看到被认定为有用的评价，即，直接看到有对产品效果进行实质性描述的评价，以便用户更好地了解这个产品本身的一些属性的好坏。

在另一个应用场景中，可以在将用户评价划分为有用评价的基础上，可以是仅确定出评价中的正向评价，即，用户对该产品评价比较好的评价内容。如图2所示，可以增加如图2所示的正向评价的触发按钮，用户点击后，可以看到用户的正向有用的评价，当然，也可以即提取出正向评价和负向有用评价，即，用户对该产品不太好的评价，进行展现。这种相对于现有的直接按照用户输入时候选择的“好评”“差评”来分类好的评价和不好的评价而言，通过识别评价中的有用评价，并将有用评价划分为正向评价和负向有用评价的方式，可以实现对评价更准确更为精细的划分，使得用户可以更为快速地获取其它已经购买该产品的用户对该产品本身质量的评价信息。

相对于仅将从众多评价中提取出有用评价而言，从众多评价中提取出正向评价和/或负向有用评价，仅需要对识别模型或者是分类器训练过程中的情感性词进行调整即可，在此不再赘述，其它的特征提取和选择，采用识别有用评价中的方式即可。

基于上例中提供的有用评价的识别方法，考虑到真实的生活中，朋友直接推荐产品的可信度相对而言，比自己在互联网上看到产品的信赖程度更好一下，心里的接受程度也会更好一些。而且，对于购买了某产品的用户而言，如果该用户用心进行评价，而且评价内容都很好，和该产品性能质量都很相关，那么相应的可以从一定程度上表明该用户是比较满意这个产品的，如果触发用户分享该产品给朋友，那么被该用户的朋友查看并购买的可能性相对而言还是比较高的。

在一个应用场景中，可以统计平台中对产品的产品评价，然后从中提取出正向评价，将评价内容连同产品的连接都发送给撰写该评价的用户，促使该用户分享该产品分享出去。如图3所示，如果确定某条评价是正向评价，则可以按照如图3所示的方式向用户推送分享消息。如图3所示，是将用户评价以及产品所对应的链接组合起来推送给用户的，以触发用户进行分享，然而，在实际实现的时候，不仅可以是该产品的链接，也可以是产品的UGC，即，用户生产内容，例如是评价网站上或者是分享网站上的文章链接、产品链接等等，只要是可以表征产品的信息、以及产品的购买渠道等等都可以，本申请对此不作限定。

如果发现正向评价，就推送给相应的用户，会导致用户的反感，且对于电商平台而言，向用户推送是需要耗费系统资源和流量资源的，无止境的推送显然是不合适的。

在一个实施方式中，可以是在某个确定的流量值的情况下，确定推送哪些正向评价。可以设定一个推送原则：为每个商家分配所需的流量，同时保证在分配的流量下，整体带来的效益最大。其中，整体的效益最大，可以是保证整个平台的最终收益最大，也可以是保证整个平台最终的成交额最大，也可以是保证整个平台引入的用户浏览流量最大。上述所列举的流量分配的最优化目标仅是一种示例，在实现的时候，可以按照需要和平台或商家要求选择合适的流量分配的最优化目标。

例如，商家A申请了基于有用评价分享带来10000人次的消费者流量，商家B申请了基于有用评价分享带来50000人次的消费者流量……商家X申请了基于有用评价分享带来20000人次的消费者流量。平台也不能通过基于有用评价分享来给用户带来过多的打扰，因此，需要控制给用户发送分享链接的频率。因此，对于电子商务平台而言，在商家有确定的流量需求的情况下，需要在消费者和商家需求之间达到一个匹配，即，在以减少对用户的打扰的情况下，满足商家的流量需求，同时保证平台整体的回流价值最大，其中，所谓的回流价值可以用于表征链接被分享后，会有多少人基于分享打开该产品链接，或者是该分享可以带来多少成交量。

例如，为了实现在已知商家的确定流量需求的情况下，为每个商家分配尽量多的消费者流量，同时，保证可以为整个平台带来的回流价值最大。

在一个实施方式中，可以按照以下方式和规则进行流量划分：

1)构建消费者对商家的偏爱列表：

即，可以对每个用户对各个商家的偏爱程度进行一个排序，即，为每个用户都生成一个该用户对各个商家的偏爱程度排序。在一个实施方式中，可以通过获取用户在各个商家购物后，对商家的评分作为对商家的偏爱程度的衡量标准，也可以是仅获取在提取的正向评价中，用户对商家的评分作为对商家的偏爱程度的衡量标准。具体选择哪种方式进行消费者对商家的偏爱进行排序可以根据需要选择，本申请对此不进行限定。

2)构建商家对消费者的偏爱列表：

对于商家对消费者的偏爱而言，商家一般是喜欢打开链接意愿相对强烈的、愿意分享链接的、可以带来回流价值的消费者。

因此，可以通过用户打开意愿、用户分享意愿和用户回流价值作为衡量商家对消费者的偏爱程度的依据。进一步的，因为这三者是相互依存的关系，用户愿意打开，才会愿意分享，分享之后才能带来回流价值。因此，可以采用乘积的方式，确定商家对消费者的偏爱程度，例如，可以设定：偏爱程度＝用户打开意愿*用户分享意愿*用户回流价值。

其中，用户打开意愿可以通过但不限于以下特征中的一个或多个确定：性别、年龄、历史打开率、使用电子商务平台的频率、主动打开电子商务平台推送的消息的频率、用户登陆频率、用户对推动当前评价所属的类目的偏好等。

其中，用户分享意愿可以通过但不限于以下特征中的一个或多个确定：性别、年龄、用户电子商务平台的等级、用户在电子商务平台上的信用等级、用户的历史打开率、主动打开电子商务平台推送的消息的频率、用户登陆频率、用户对推动当前评价所属的类目的偏好、用户的历史分享率、用户主动进行产品评价的频率、用户在电子商务平台中回答别人提问的情况等。

其中，回流可以理解为某用户U1的分享带来用户U2的一次访问，用户的回流价值在电子商务平台中可以包括两个部分：用户带来回流人数的能力(假设定为：r_num)和用户带来的引导成交的能力(假设定为：r_gmv)。两部分所占的比重可以根据实际需要调整，例如，在计算回流价值的时候，可以为r_num和r_gmv分别设置权重，如果希望更偏重于回流人数，那么就调高r_num的权重，如果希望更偏重于回流引导成交，那么就调高r_gmv的权重。其中，r_num和r_gmv都可以通过对平台中的访问购买日志进行统计得到，其中，r_num可以通过总回流人数/总分享数确定，r_gmv可以通过总回流成交额/总分享产品价值确定。

在构建了消费者对商家的偏爱列表和商家对消费者的偏爱列表之后，就可以进行流量的分配，可以采用如下原则实现：

S1：对于每个商家Si(流量需求为Qi)都请求选择该商家最偏爱的Qi个消费者；

S2：每个被请求的消费者Ci都在请求的商家中选择最偏爱的商家，拒绝掉其他的商家；

S3：每个被拒绝的商家在自身的商家对消费者的偏爱列表中剩余的消费者中请求最偏爱的Qi个消费者；

S4：重复S2和S3，直到没有被拒绝的商家。

因为在该原则中，消费者有限选择自己偏爱的商家，因此使得消费者打开待分享链接的可能性更大，商家优先选择愿意分享且带来高回流价值的消费者，可以提高商家的满意度，两者进行结合，可以提高平台整体的成交量。

对于待推送的用户的选择，可以是将在目标商家买过东西并进行过评价的用户都作为待推送的用户，也可以是将目标商家中所有产品下的评论进行一步筛选，从中筛选出符合正向评价的评价，然后，将这些评价对应的用户作为待推送的用户。

在一个实施方式中，考虑到可以增加一些激励措施，以促使用户进行产品分享。例如，可以设置奖励措施，用户在分享之后，如果有人进行相应的回流操作，例如：点看链接、浏览产品、将产品加入购物车、收藏产品等等操作的时候，可以为进行分享的用户设置奖励，该奖励的形式可以是：金钱(例如，每被点击一次奖励一毛钱等等)、积分(例如，每被点击一次奖励10个网站积分等等)、优惠券、或者是可以兑换的小礼品等等都可以，这样可以促使用户更有兴趣和意愿进行分享，可以有效提高用户的分享积极性，提高网站平台的流量。

然而，值得注意的是，上述所列举的奖励措施仅是一种示意性描述，在实际实现的时候，还可以采用其它的奖励方式和措施，本申请对此不作限定。

在一个实施方式中，考虑到有些用户的信用较低，或者是取消平台消息推送的，也有些用户是存在作弊等记录被列入黑名单的，对于这些用户都可以先行过滤掉。

考虑到用户有时是不希望被打扰的，过高频率的推送，也会导致用户的反感和排斥，因此，在进行推送的时候，可以控制对各个用户推送分享链接的频率。例如，可以设定一个用于在一周内最多可以被推送一次，或者是一个用户三天内最多被推送一次等。为了进一步减少用户的排斥情绪，提高用户的分享意愿，可以统计确定用户偏爱的逛电子商务平台的时间段，在偏爱的时间段向用户进行推送。对于样本比较少的用户，无法统计出较为偏爱的时间段，可以在一个固定时间推送，例如，晚上8:00钟。

举例而言，用户小c在接到如图3所示的平台推送的分享链接之后，可以点击进入该分享链接，然后，可以出现如图4所示的分享界面，界面中有小c对该产品的评价信息和产品的购买链接、价格等。小c可以选择分享给好友，有额可以选择不分享。如果选择分享，则可以出现如图5所示的分享选择界面，小c可以选择将该链接分享到终端中安装的关联的通讯软件中，也可以分享到当前电子商务平台中的联系处。假设，小c选择分享到某个通讯软件，那么进行通讯软件后，可以选择分享给某个人，也可以选择分享给某个群组等，或者是直接分享到个人公共状态中等，具体的分享到什么地方，本申请不作限定。也可以如图6所示，直接分享给电子商务平台中的某个好友，例如，分享给了朋友A，对于朋友A而言，可以收到如图7所示的分享链接，朋友A点击链接，即可以进入该产品的产品页界面，朋友A可以进行浏览或下单购买操作。

上面所列举的是，在确定出正向评价后，将评价和链接发送给创建该评价的用户。在另一种应用场景后，可以直接将该评价和产品链接推送给该用户的好友。或者是用户设置了一个密友分组，里面设置的是自己的一些闺蜜，平时就是喜欢买相同东西的。如果系统检测到用户有这种分组，且用户将这种权限开放，那么平台也可以直接将产品链接和用户的评价推送至该用户的该密友分组中。上述所列举的仅是几种示意性实现方式，也可以采用其他的实现方式。

在另一个实施场景中，如图8所示，可以是后台服务器获取平台中的对某个产品或者是某个店铺中产品的评价内容，然后对这些评价内容进行聚类分析，从中识别出正向的有用评价，然后确定需要为该产品提供多少流量值，结合创建这些正向的有用评价的用户中各个用户所能带回的流量值，确定出一份用户名单。在得到用户名单之后，可以将用户名单中用户的用户评价以及该产品的产品链接推送给用户，例如，上例中的小C是被确定出的在用户名单中的用户，需要增加流量的产品为A，那么就可以将小C对该产品A的评价内容以及产品A的产品链接推送给小C，小C在看到之后，就可以按照如上述图3至图7的方式进行产品A的分享，以便为产品A带来流量。同时，基于小C带来的流量，可以为小C提供奖励，以激励用户更多地进行产品分享。

对于基于小A分享的链接点击购买后又进行物品评价的评价内容，也可以作为对该产品的评价内容，进入下一轮的产品链接推送，以便丰富产品评价信息库。

在本申请实施例中，还提供了一种服务器，该服务器可以是电商平台后台的处理服务器，可以包括：处理器以及用于存储处理器可执行指令的存储器，其中，处理器执行指令时实现上述方法步骤。

该处理器可以是一台服务器，也可以是一组服务器集群，也可以是云服务器等等，本申请对此不作限定。其中，服务器可以与存储设备进行交互，以获取产品信息、用户评价内容等等，也可以是自身存储有产品信息和用户平台内容，对此，可以根据实际需要设定，本申请对此不作限定。

虽然本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。

上述实施例阐明的装置或模块，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。当然，也可以将实现某功能的模块由多个子模块或子单元组合实现。

本申请中所述的方法、装置或模块可以以计算机可读程序代码方式实现控制器按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

本申请所述装置中的部分模块可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的硬件的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，也可以通过数据迁移的实施过程中体现出来。该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，移动终端，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。本申请的全部或者部分可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、移动通信终端、多处理器系统、基于微处理器的系统、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。

Claims (19)

1.一种产品分享方法，其特征在于，所述方法包括：

获取多条针对产品的评价内容；

从多条评价内容中，识别出正向评价；

将识别出的正向评价所评价的产品的产品信息，以及该正向评价，推送至创建该正向评价的用户，以使创建该正向评价的用户分享该正向评价所评价的产品。

2.根据权利要求1所述的方法，其特征在于，从所述多条评价内容中，识别出正向评价，包括：

提取出多条评价内容中的各条评价内容的关键属性、情感词特征和文本特征；

根据各条评价内容的关键属性、情感词特征和文本特征，识别出是否为正向评价。

3.根据权利要求2所述的方法，其特征在于，所述文本特征包括以下至少之一：句子情感极性、重复文本片段、句子长度、文本与产品的相关性、该文本与其它文本的相似度、点赞数。

4.一种有用评价识别方法，其特征在于，所述方法包括：

获取多条针对产品的评价内容；

提取出多条评价内容中的各条评价内容的关键属性、情感词特征和文本特征；

根据各条评价内容的关键属性、情感词特征和文本特征，识别出有用评价。

5.根据权利要求4所述的方法，其特征在于，所述文本特征包括以下至少之一：句子情感极性、重复文本片段、句子长度、文本与产品的相关性、该文本与其它文本的相似度、点赞数。

6.根据权利要求4所述的方法，其特征在于，在提取出多条评价内容中的各条评价内容的关键属性、情感词特征和文本特征之前，所述方法还包括：

对所述多条评价内容中的各条评价内容进行分词和词性标注。

7.一种推送方法，其特征在于，所述方法包括：

获取多条正向评价；

将所述多条正向评价的创建者作为目标对象；

在确定流量可达到预设流量限值的情况下，以平台回流收益最大作为目标，从所述目标对象中确定出待推送的目标对象；

向待推送的目标对象推送该待推送的目标对象创建的正向评价及正向评价所评价的产品的产品信息，以使该待推送的目标对象分享正向评价所评价的产品。

8.根据权利要求7所述的方法，其特征在于，在该待推送的目标对象分享正向评价所评价的产品之后，所述方法还包括：

确定是否有基于该分享的回流操作；

在确定有基于该分享的回流操作的情况下，按照预设的规则，为所述待推送的目标对象返回资源对象。

9.根据权利要求8所述的方法，其特征在于，所述回流操作包括以下至少之一：点击、浏览、收藏、加购、购买。

10.根据权利要求8所述的方法，其特征在于，所述资源对象包括以下至少之一：钱、积分、物品、优惠券。

11.根据权利要求7所述的方法，其特征在于，获取多条正向评价，包括：

获取多条用户针对产品的评价内容；

提取出多条评价内容中各条评价内容的关键属性、情感词特征和文本特征；

根据各条评价内容的关键属性、情感词特征和文本特征，识别出多条正向评价。

12.根据权利要求7所述的方法，其特征在于，在确定流量可达到预设流量限值的情况下，以平台回流收益最大作为目标，从所述目标对象中确定出待推送的目标对象，包括：

按照以下规则在确定流量可达到预设流量限值的情况下，以平台回流收益最大作为目标，从所述目标对象中确定出待推送的目标对象：

为每个商家选择该商家最偏爱的M个目标对象作为待推送的目标对象；

为每个待推送的目标对象选择该待推送的目标对象最偏爱的N个商家的产品作为分享的产品，其中，M和N为正整数。

13.根据权利要求12所述的方法，其特征在于，为每个商家选择该商家最偏爱的M个目标对象作为待推送的目标对象，包括：

根据目标对象打开产品链接意愿、目标对象的分享意愿和目标对象的回流价值，确定商家对目标对象的偏爱程度。

14.一种服务器，其特征在于，包括：处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1至3中任一项所述的方法步骤。

15.一种服务器，其特征在于，包括：处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求4至6中任一项所述的方法步骤。

16.一种服务器，其特征在于，包括：处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求7至13中任一项所述的方法步骤。

17.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至3中任一项所述方法的步骤。

18.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求4至6中任一项所述方法的步骤。

19.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求7至13中任一项所述方法的步骤。