CN109684635A - 一种基于智能营销的用户评价观点挖掘系统 - Google Patents
一种基于智能营销的用户评价观点挖掘系统 Download PDFInfo
- Publication number
- CN109684635A CN109684635A CN201811560365.4A CN201811560365A CN109684635A CN 109684635 A CN109684635 A CN 109684635A CN 201811560365 A CN201811560365 A CN 201811560365A CN 109684635 A CN109684635 A CN 109684635A
- Authority
- CN
- China
- Prior art keywords
- user
- network
- data
- evaluation
- module
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 39
- 238000005065 mining Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 18
- 239000000284 extract Substances 0.000 claims abstract description 17
- 238000012800 visualization Methods 0.000 claims abstract description 15
- 230000000694 effects Effects 0.000 claims abstract description 9
- 238000009412 basement excavation Methods 0.000 claims abstract description 8
- 238000010276 construction Methods 0.000 claims abstract description 6
- 238000012552 review Methods 0.000 claims abstract description 4
- 238000000605 extraction Methods 0.000 claims description 24
- 238000002372 labelling Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 14
- 230000008451 emotion Effects 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 11
- 230000002996 emotional effect Effects 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000003780 insertion Methods 0.000 claims description 3
- 230000037431 insertion Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000010397 one-hybrid screening Methods 0.000 claims description 3
- 238000005201 scrubbing Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 2
- 230000009897 systematic effect Effects 0.000 claims description 2
- 244000025254 Cannabis sativa Species 0.000 abstract description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000010985 leather Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Abstract
本发明公开了营销技术领域的一种基于智能营销的用户评价观点挖掘系统,包括数据源构建与预处理、用户画像、用户观点挖掘和可视化平台,所述数据源构建与预处理作为模型构建的必备资源,完成至少20个领域讨论区的数据抓取;所述用户画像通过抽取用户相关个性化信息,分析用户的当前需求和用户的未来需求;所述用户观点挖掘通过对产品评论的用户观点挖掘,对发现潜在消费群体有着非常重要的作用;所述可视化平台能够最大限度的提高生产力,让信息的价值最大化;本发明能准确地提取出用户评论中的实体以及对该实体的观点,能有效地利用用户评论数据的价值,大大提升现有营销系统的智能化水平。
Description
技术领域
本发明公开了一种基于智能营销的用户评价观点挖掘系统,具体为营销技术领域。
背景技术
随着人工智能技术的到来,新的“智能+”时代逐步替代“互联网+”时代,面对突然崛起的新兴科技,下个时代的路口蜂拥着各行各业的人,自然向来洞察市场前沿的营销人也是其中的一员。怎样通过人工智能先进技术与营销策略融合抢占时代先机,实现“智能营销”成为了所有营销人共同面对的课题。那么何为智能营销,智能营销是以人为中心,大数据与人工智能技术为基础,创意为核心,内容为依托,营销为本质目的的消费者个性化营销,实现品牌与实效的完美结合,将消费者的体验、需求、市场的需求建立在文化传承、科技迭代、商业利益等企业生态文明之上,最终整合的创新营销理念与技术。
如今营销已步入智能营销时代,用户评价是用户对产品、服务等一些列商业单元最真实的写照,随着当今用户数量众多且与日俱增,仅靠人工直接处理各类评价,不仅耗时耗力,且每日的任务量几乎难以完成,为此,我们提出了一种基于智能营销的用户评价观点挖掘系统投入使用,以解决上述问题。
发明内容
本发明的目的在于提供一种基于智能营销的用户评价观点挖掘系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于智能营销的用户评价观点挖掘系统,包括数据源构建与预处理、用户画像、用户观点挖掘和可视化平台,所述数据源构建与预处理作为模型构建的必备资源,而数据是通过算法构建人工智能模型的基础,借助大数据整合过去和实时数据来评估客户的品味和喜好,完成至少20个领域讨论区的数据抓取;所述用户画像通过消费者的日常评论或其他相关信息抽取用户的性别,年龄,职业,地域,兴趣等相关个性化信息,信息的全面性和正确性要有所保证,通过对这些信息的分析,根据历史用户特征,分析用户的当前需求和用户的未来需求,针对特定群体,利用不同的联系方式进行营销;所述用户观点挖掘通过对产品评论的用户观点挖掘,对发现潜在消费群体有着非常重要的作用,商家可以据此制定更有针对性的产品营销策略,从而真正发挥出大数据挖掘的作用,对已购买或者待购买用户的评价观点进行挖掘,要求完整提取用户的评价对象,评价观点以及分析用户的情感倾向,评价观点完整并对用户的情感正负能有所判断;所述可视化平台通过增加数据可视化使用,能够发现用户追求的价值,能够分辨出有用的和没用的数据,最大限度的提高生产力,让信息的价值最大化。
优选的,所述数据源构建与预处理构建的算法包括数据爬取模块、信息预处理模块、评价部分提取模块、评价观点抽取模块、用户画像刻画模块和可视化模块,所述数据爬取模块通过采集技术主要以某几个或者有限数量的网址为入口,进行采集,通过对网页链接进行提取,为下一轮采集提供信息,进而想整个网络进行扩展,主要是以微博和网上讨论区为例,尽可能广的收集反映用户营销相关的细粒度用户评价数据,系统通过此模块为整个系统提供数据,得到分析对象;所述信息预处理模块通过采集模块获取的信息进行处理,包括数据清理,数据统计,数据格式化等,对微博评论提取其中的标题、时间、来源、点击量、评论内容、评论人等,然后根据后续的需求进行常规的预处理保存成格式化信息;所述评价部分提取模块通过运用序列标注网络,完整的抽取用户对产品的评价,为后续的情感分析,观点挖掘做基础,本模块对应着技术路线之四以文本语义段为基本单元的序列标注网络,包括以半自动方式构建训练集,然后设计相应的策略与网络并进行模型训练;所述评价观点提取模块通过从评价提取模块提取的数据中抽取用户对产品的具体评价观点,本模块对应着技术路线之一、二、三融合整体语义的评价观点抽取算法与情感分析算法,包括相应的高质量数据集构建,网络设计与训练等;所述用户画像刻画模块是将用户的属性、用户偏好、生活习惯、用户行为等信息而抽象出来的标签化用户模型,就是给用户打标签,而标签是通过对用户信息分析而来的高度精炼的特征标识,为后续根据历史用户特征,分析产品的潜在用户和用户的潜在需求,针对特定群体,利用短信、邮件等方式进行营销等做铺垫;所述可视化模块通过以简明、友好、容易交互的方式向用户展示细粒度用户评论挖掘的结果。
优选的,所述评价观点抽取模块通过构造一个混合网络来将规则以及领域知识融合到网络里面来加以解决,在考虑情感纯度的情感分类方法上,将构造一个双层网络进行解决,将基于第一部分研究的网络,在融合整体语义的评价观点抽取算法上,将在序列标签之外,单独设置一个语义标签在表征“否定”、“转述”以及“疑问”等整体语义,使得抽取观点更加完整,采取序列标注网络,以小文本段为单元来提取真正的评价部分,在涉及用户画像的个性化信息提取上,将利用多模态多层重构网络来进行实现。
优选的,所述双层网络包括第一层是高纯度情感分类网络,通过嵌入否定词、疑问词、假设词、假想词、正向词汇、负向词汇等特征,提高模型的学习能力,第二层是由高纯度情感分类网络的输出以及每个句子的前连接词和后连接词以及中间的关键词的词向量构造而成,在第一层纯度情感网络的基础上,学习复杂情感判别网络。
优选的,所述评价观点抽取模块基于 RNN 的序列标注网络来进行提取,以文本语义段为基本单元,文本语义段包括短句已经长句的分句,通过序列标注网络来讲真正的目标段提取出来。
优选的,所述基于智能营销的用户评价观点挖掘系统选择Windows XP 环境,在目前主流配置计算机上,使用计算机领域广泛使用的编程语言Python实现本项目的机器学习算法。
与现有技术相比,本发明的有益效果是:本发明设计的系统能准确地提取出用户评论中的实体以及对该实体的观点,提取出的内容可用于市场分析,策略调整,运营方式改革等一系列营销任务操作,能有效地利用用户评论数据的价值,大大提升现有营销系统的智能化水平,除此之外,系统还能对用户进行画像,从而进行有效的个性化营销。
附图说明
图1为本发明结构示意图;
图2为本发明核心算法框图;
图3为本发明文本细粒度评价观点提取框架图。
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、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种基于智能营销的用户评价观点挖掘系统,利用用户评论数据的价值,大大提升现有营销系统的智能化水平,所述基于智能营销的用户评价观点挖掘系统选择Windows XP 环境,在目前主流配置计算机上,使用计算机领域广泛使用的编程语言Python实现本项目的机器学习算法,基于智能营销的用户评价观点挖掘系统包括数据源构建与预处理、用户画像、用户观点挖掘和可视化平台,所述数据源构建与预处理作为模型构建的必备资源,而数据是通过算法构建人工智能模型的基础,借助大数据整合过去和实时数据来评估客户的品味和喜好,完成至少20个领域讨论区的数据抓取,请参阅图2,所述数据源构建与预处理构建的算法包括数据爬取模块、信息预处理模块、评价部分提取模块、评价观点抽取模块、用户画像刻画模块和可视化模块,所述数据爬取模块通过采集技术主要以某几个或者有限数量的网址为入口,进行采集,通过对网页链接进行提取,为下一轮采集提供信息,进而想整个网络进行扩展,主要是以微博和网上讨论区为例,尽可能广的收集反映用户营销相关的细粒度用户评价数据,系统通过此模块为整个系统提供数据,得到分析对象;所述信息预处理模块通过采集模块获取的信息进行处理,包括数据清理,数据统计,数据格式化等,如对论坛提取其中帖子的标题、内容、发帖时间、发帖人、回帖数量、回帖人、回帖的内容等信息,对微博评论提取其中的标题、时间、来源、点击量、评论内容、评论人等,然后根据后续的需求进行常规的预处理保存成格式化信息;所述评价部分提取模块通过运用序列标注网络,完整的抽取用户对产品的评价,为后续的情感分析,观点挖掘做基础,本模块对应着技术路线之四以文本语义段为基本单元的序列标注网络,包括以半自动方式构建训练集,然后设计相应的策略与网络并进行模型训练;所述评价观点提取模块通过从评价提取模块提取的数据中抽取用户对产品的具体评价观点,本模块对应着技术路线之一、二、三融合整体语义的评价观点抽取算法与情感分析算法,包括相应的高质量数据集构建,网络设计与训练等,请参阅图3,所述评价观点抽取模块通过构造一个混合网络来将规则以及领域知识融合到网络里面来加以解决,在考虑情感纯度的情感分类方法上,将构造一个双层网络进行解决,所述双层网络包括第一层是高纯度情感分类网络,通过嵌入否定词、疑问词、假设词、假想词、正向词汇、负向词汇等特征,提高模型的学习能力,第二层是由高纯度情感分类网络的输出以及每个句子的前连接词和后连接词以及中间的关键词的词向量构造而成,在第一层纯度情感网络的基础上,学习复杂情感判别网络,基于第一部分研究的网络,在融合整体语义的评价观点抽取算法上,将在序列标签之外,单独设置一个语义标签在表征“否定”、“转述”以及“疑问”等整体语义,使得抽取观点更加完整,采取序列标注网络,以小文本段为单元来提取真正的评价部分,在涉及用户画像的个性化信息(爱好、职业等)提取上,将利用多模态多层重构网络来进行实现;所述用户画像刻画模块是将用户的属性、用户偏好、生活习惯、用户行为等信息而抽象出来的标签化用户模型,就是给用户打标签,而标签是通过对用户信息分析而来的高度精炼的特征标识,为后续根据历史用户特征,分析产品的潜在用户和用户的潜在需求,针对特定群体,利用短信、邮件等方式进行营销等做铺垫;所述可视化模块通过以简明、友好、容易交互的方式向用户展示细粒度用户评论挖掘的结果,所述评价观点抽取模块基于 RNN 的序列标注网络来进行提取,以文本语义段为基本单元,文本语义段包括短句已经长句的分句,通过序列标注网络来讲真正的目标段提取出来;所述用户画像通过消费者的日常评论或其他相关信息抽取用户的性别,年龄,职业,地域,兴趣等相关个性化信息,信息的全面性和正确性要有所保证,通过对这些信息的分析,根据历史用户特征,分析用户的当前需求和用户的未来需求,针对特定群体,利用不同的联系方式进行营销,如QQ,微信,短信,邮件等;所述用户观点挖掘通过对产品评论的用户观点挖掘,对发现潜在消费群体有着非常重要的作用,商家可以据此制定更有针对性的产品营销策略,从而真正发挥出大数据挖掘的作用,对已购买或者待购买用户的评价观点进行挖掘,要求完整提取用户的评价对象,评价观点以及分析用户的情感倾向,评价观点完整并对用户的情感正负能有所判断;所述可视化平台通过增加数据可视化使用,能够发现用户追求的价值,能够分辨出有用的和没用的数据,最大限度的提高生产力,让信息的价值最大化。
工作原理:描述的基于词典的情感分类方法,该方法实际上就是由多条规则来实现句子的情感分类,例如一条规则可以表示为“如果一个正向极性词前面有一个否定词,那么减 2 分”,这条规则在很多情况下是有效的,但是对于“不是十分优秀”这种例子就无效了,正向极性词“优秀”前面是程度词“十分”,再前面是否定词“不是”,尽管可以对规则打补丁或者升级,但是基于规则的方法还是缺乏灵活性,卷积网络的输入部分包含了否定词、极性词以及程度词的信息,由于卷积网络可以有效地建模搭配关系,那么在训练数据足够的情况下,是可以学习到一定的判别规则,根据一定的划分规则将所收集的文本划分成具有高纯度情感的短句,然后交由人工进行标注,这个标注集可以达到几万规模,这个数据用以构造高纯度情感分类网络,同时挑选部分复杂情感的句子交由人工标注,这个标注集由于难以标注,可以只有几千规模,并且同一句子由多人标注,最后求取均值作为其标签,第一层网络是高纯度情感分类网络,通过嵌入否定词、疑问词、假设词、假想词、正向词汇、负向词汇等特征,提高模型的学习能力,第二层可以看作是由高纯度情感分类网络的输出以及每个句子的前连接词和后连接词以及中间的关键词的词向量构造而成,在第一层纯度情感网络的基础上,学习复杂情感判别网络,整体语义对于评价观点的影响主要分为以下几种情况,第一种是否定句(包括双重否定句),否定句很可能使得真正评价观点与评价词意义完全相反;第二种是疑问句(包括反问句),在这类句子里面,评价观点通常也并非评价者的真实观点,往往与之相悖;第三种是转述句,在这类句子里面,“我”也不是评价观点的发出者,项目将在序列标签的基础上增加一个语义标签来反应整体语义,但是语义标签并非是上述的句式标签,例如在否定句里面可能未必是对评价观点的否定,例如在句子“我不在乎这个机器如此高的性能”里面,否定句并没有否定“机器如此高的性能”这一观点,项目将同样采用基于 RNN 的序列标注网络来进行提取,但是在本模块中,与常规的以字或者词为基本单元不同,本部分将以文本语义段为基本单元,文本语义段包括短句已经长句的分句,通过序列标注网络来讲真正的目标段提取出来,本项目的数据来源于微博和各大网上讨论区,各类开元相关数据库也可以使用,数据获取方式以爬去工具爬取为主,一旦出现合适数据立即引入,用于本项目的数据分析以及训练与测试,关于项目涉及情感分析,序列标注算法等算法超参数,也会根据数据变更进行调优,保证系统效果,本系统能准确地提取出用户评论中的实体以及对该实体的观点,提取出的内容可用于市场分析,策略调整,运营方式改革等一系列营销任务操作,能有效地利用用户评论数据的价值,大大提升现有营销系统的智能化水平,除此之外,系统还能对用户进行画像,从而进行有效的个性化营销。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种基于智能营销的用户评价观点挖掘系统,其特征在于:包括数据源构建与预处理、用户画像、用户观点挖掘和可视化平台,所述数据源构建与预处理作为模型构建的必备资源,而数据是通过算法构建人工智能模型的基础,借助大数据整合过去和实时数据来评估客户的品味和喜好,完成至少20个领域讨论区的数据抓取;所述用户画像通过消费者的日常评论或其他相关信息抽取用户的性别,年龄,职业,地域,兴趣等相关个性化信息,信息的全面性和正确性要有所保证,通过对这些信息的分析,根据历史用户特征,分析用户的当前需求和用户的未来需求,针对特定群体,利用不同的联系方式进行营销;所述用户观点挖掘通过对产品评论的用户观点挖掘,对发现潜在消费群体有着非常重要的作用,商家可以据此制定更有针对性的产品营销策略,从而真正发挥出大数据挖掘的作用,对已购买或者待购买用户的评价观点进行挖掘,要求完整提取用户的评价对象,评价观点以及分析用户的情感倾向,评价观点完整并对用户的情感正负能有所判断;所述可视化平台通过增加数据可视化使用,能够发现用户追求的价值,能够分辨出有用的和没用的数据,最大限度的提高生产力,让信息的价值最大化。
2.根据权利要求1所述的一种基于智能营销的用户评价观点挖掘系统,其特征在于:所述数据源构建与预处理构建的算法包括数据爬取模块、信息预处理模块、评价部分提取模块、评价观点抽取模块、用户画像刻画模块和可视化模块,所述数据爬取模块通过采集技术主要以某几个或者有限数量的网址为入口,进行采集,通过对网页链接进行提取,为下一轮采集提供信息,进而想整个网络进行扩展,主要是以微博和网上讨论区为例,尽可能广的收集反映用户营销相关的细粒度用户评价数据,系统通过此模块为整个系统提供数据,得到分析对象;所述信息预处理模块通过采集模块获取的信息进行处理,包括数据清理,数据统计,数据格式化等;所述评价部分提取模块通过运用序列标注网络,完整的抽取用户对产品的评价,为后续的情感分析,观点挖掘做基础,本模块对应着技术路线之四以文本语义段为基本单元的序列标注网络,包括以半自动方式构建训练集,然后设计相应的策略与网络并进行模型训练;所述评价观点提取模块通过从评价提取模块提取的数据中抽取用户对产品的具体评价观点;本模块对应着技术路线之一、二、三融合整体语义的评价观点抽取算法与情感分析算法,包括相应的高质量数据集构建,网络设计与训练等;所述用户画像刻画模块是将用户的属性、用户偏好、生活习惯、用户行为等信息而抽象出来的标签化用户模型,就是给用户打标签,而标签是通过对用户信息分析而来的高度精炼的特征标识,为后续根据历史用户特征,分析产品的潜在用户和用户的潜在需求,针对特定群体,利用短信、邮件等方式进行营销等做铺垫;所述可视化模块通过以简明、友好、容易交互的方式向用户展示细粒度用户评论挖掘的结果。
3.根据权利要求2所述的一种基于智能营销的用户评价观点挖掘系统,其特征在于:所述评价观点抽取模块通过构造一个混合网络来将规则以及领域知识融合到网络里面来加以解决,在考虑情感纯度的情感分类方法上,将构造一个双层网络进行解决,将基于第一部分研究的网络,在融合整体语义的评价观点抽取算法上,将在序列标签之外,单独设置一个语义标签在表征“否定”、“转述”以及“疑问”等整体语义,使得抽取观点更加完整,采取序列标注网络,以小文本段为单元来提取真正的评价部分,在涉及用户画像的个性化信息提取上,将利用多模态多层重构网络来进行实现。
4.根据权利要求3所述的一种基于智能营销的用户评价观点挖掘系统,其特征在于:所述双层网络包括第一层是高纯度情感分类网络,通过嵌入否定词、疑问词、假设词、假想词、正向词汇、负向词汇等特征,提高模型的学习能力,第二层是由高纯度情感分类网络的输出以及每个句子的前连接词和后连接词以及中间的关键词的词向量构造而成,在第一层纯度情感网络的基础上,学习复杂情感判别网络。
5.根据权利要求2所述的一种基于智能营销的用户评价观点挖掘系统,其特征在于:所述评价观点抽取模块基于 RNN 的序列标注网络来进行提取,以文本语义段为基本单元,文本语义段包括短句已经长句的分句,通过序列标注网络来讲真正的目标段提取出来。
6.根据权利要求1所述的一种基于智能营销的用户评价观点挖掘系统,其特征在于:所述基于智能营销的用户评价观点挖掘系统选择Windows XP 环境,在目前主流配置计算机上,使用计算机领域广泛使用的编程语言Python实现本项目的机器学习算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811560365.4A CN109684635A (zh) | 2018-12-20 | 2018-12-20 | 一种基于智能营销的用户评价观点挖掘系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811560365.4A CN109684635A (zh) | 2018-12-20 | 2018-12-20 | 一种基于智能营销的用户评价观点挖掘系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109684635A true CN109684635A (zh) | 2019-04-26 |
Family
ID=66186406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811560365.4A Pending CN109684635A (zh) | 2018-12-20 | 2018-12-20 | 一种基于智能营销的用户评价观点挖掘系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109684635A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110222513A (zh) * | 2019-05-21 | 2019-09-10 | 平安科技(深圳)有限公司 | 一种线上活动的异常监测方法、装置及存储介质 |
CN110942337A (zh) * | 2019-10-31 | 2020-03-31 | 天津中科智能识别产业技术研究院有限公司 | 一种基于互联网大数据的精准旅游营销方法 |
CN111126035A (zh) * | 2019-12-24 | 2020-05-08 | 深圳视界信息技术有限公司 | 一种电商评论分析场景下细粒度属性分析方法 |
CN111476034A (zh) * | 2020-04-07 | 2020-07-31 | 同方赛威讯信息技术有限公司 | 基于规则和模型结合的法律文书信息抽取方法及系统 |
CN111931107A (zh) * | 2020-07-31 | 2020-11-13 | 上海博泰悦臻电子设备制造有限公司 | 数字公民体系构建方法、系统及存储介质 |
CN112163088A (zh) * | 2020-09-02 | 2021-01-01 | 中国人民解放军战略支援部队信息工程大学 | 基于DenseNet的电信网短信用户信息挖掘方法、系统及设备 |
CN112200610A (zh) * | 2020-10-10 | 2021-01-08 | 苏州创旅天下信息技术有限公司 | 一种营销信息投放方法、系统及存储介质 |
WO2021043076A1 (zh) * | 2019-09-06 | 2021-03-11 | 平安科技(深圳)有限公司 | 网络发布数据处理方法、装置、计算机设备和存储介质 |
CN112949746A (zh) * | 2021-03-23 | 2021-06-11 | 耿赛 | 应用于用户行为分析的大数据处理方法及人工智能服务器 |
CN112967721A (zh) * | 2021-02-03 | 2021-06-15 | 上海明略人工智能(集团)有限公司 | 一种基于语音识别技术的销售线索信息识别方法与系统 |
CN116663664A (zh) * | 2023-05-25 | 2023-08-29 | 沈阳林科信息技术有限公司 | 一种基于nlp算法的客户营销场景数据分析系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399916A (zh) * | 2013-07-31 | 2013-11-20 | 清华大学 | 基于产品特征的互联网评论观点挖掘方法及系统 |
CN106709754A (zh) * | 2016-11-25 | 2017-05-24 | 云南电网有限责任公司昆明供电局 | 一种用基于文本挖掘的电力用户分群方法 |
CN107133214A (zh) * | 2017-05-05 | 2017-09-05 | 中国计量大学 | 一种基于评论信息的产品需求偏好特征挖掘及其质量评估方法 |
CN108363748A (zh) * | 2018-01-26 | 2018-08-03 | 南京邮电大学 | 基于知乎的话题画像系统及话题画像方法 |
-
2018
- 2018-12-20 CN CN201811560365.4A patent/CN109684635A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399916A (zh) * | 2013-07-31 | 2013-11-20 | 清华大学 | 基于产品特征的互联网评论观点挖掘方法及系统 |
CN106709754A (zh) * | 2016-11-25 | 2017-05-24 | 云南电网有限责任公司昆明供电局 | 一种用基于文本挖掘的电力用户分群方法 |
CN107133214A (zh) * | 2017-05-05 | 2017-09-05 | 中国计量大学 | 一种基于评论信息的产品需求偏好特征挖掘及其质量评估方法 |
CN108363748A (zh) * | 2018-01-26 | 2018-08-03 | 南京邮电大学 | 基于知乎的话题画像系统及话题画像方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110222513A (zh) * | 2019-05-21 | 2019-09-10 | 平安科技(深圳)有限公司 | 一种线上活动的异常监测方法、装置及存储介质 |
CN110222513B (zh) * | 2019-05-21 | 2023-06-23 | 平安科技(深圳)有限公司 | 一种线上活动的异常监测方法、装置及存储介质 |
WO2021043076A1 (zh) * | 2019-09-06 | 2021-03-11 | 平安科技(深圳)有限公司 | 网络发布数据处理方法、装置、计算机设备和存储介质 |
CN110942337A (zh) * | 2019-10-31 | 2020-03-31 | 天津中科智能识别产业技术研究院有限公司 | 一种基于互联网大数据的精准旅游营销方法 |
CN111126035A (zh) * | 2019-12-24 | 2020-05-08 | 深圳视界信息技术有限公司 | 一种电商评论分析场景下细粒度属性分析方法 |
CN111476034B (zh) * | 2020-04-07 | 2023-05-12 | 同方赛威讯信息技术有限公司 | 基于规则和模型结合的法律文书信息抽取方法及系统 |
CN111476034A (zh) * | 2020-04-07 | 2020-07-31 | 同方赛威讯信息技术有限公司 | 基于规则和模型结合的法律文书信息抽取方法及系统 |
CN111931107A (zh) * | 2020-07-31 | 2020-11-13 | 上海博泰悦臻电子设备制造有限公司 | 数字公民体系构建方法、系统及存储介质 |
CN111931107B (zh) * | 2020-07-31 | 2024-03-22 | 博泰车联网科技(上海)股份有限公司 | 数字公民体系构建方法、系统及存储介质 |
CN112163088A (zh) * | 2020-09-02 | 2021-01-01 | 中国人民解放军战略支援部队信息工程大学 | 基于DenseNet的电信网短信用户信息挖掘方法、系统及设备 |
CN112200610A (zh) * | 2020-10-10 | 2021-01-08 | 苏州创旅天下信息技术有限公司 | 一种营销信息投放方法、系统及存储介质 |
CN112967721A (zh) * | 2021-02-03 | 2021-06-15 | 上海明略人工智能(集团)有限公司 | 一种基于语音识别技术的销售线索信息识别方法与系统 |
CN112949746A (zh) * | 2021-03-23 | 2021-06-11 | 耿赛 | 应用于用户行为分析的大数据处理方法及人工智能服务器 |
CN116663664A (zh) * | 2023-05-25 | 2023-08-29 | 沈阳林科信息技术有限公司 | 一种基于nlp算法的客户营销场景数据分析系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109684635A (zh) | 一种基于智能营销的用户评价观点挖掘系统 | |
Klostermann et al. | Extracting brand information from social networks: Integrating image, text, and social tagging data | |
Xiao et al. | A framework for quantitative analysis and differentiated marketing of tourism destination image based on visual content of photos | |
JP6286549B2 (ja) | 推奨結果の展示方法及び装置 | |
Wang et al. | SentiView: Sentiment analysis and visualization for internet popular topics | |
Gonzalez-Bailon | Opening the black box of link formation: Social factors underlying the structure of the web | |
Nordhaus | Principles of national accounting for nonmarket accounts | |
CN108446813A (zh) | 一种电商服务质量综合评价的方法 | |
CN107577688A (zh) | 基于媒体信息采集的原创文章影响力分析系统 | |
CN103853824A (zh) | 一种基于深度语义挖掘的内文广告发布方法与系统 | |
CN105512687A (zh) | 训练情感分类模型和文本情感极性分析的方法及系统 | |
CN103917968A (zh) | 用于管理具有交互式评论流的评论网络的系统和方法 | |
Zhang et al. | Multimodal marketing intent analysis for effective targeted advertising | |
CN104899229A (zh) | 基于群体智能的行为聚类系统 | |
CN106649270A (zh) | 舆情监测分析方法 | |
Wang et al. | Discover micro-influencers for brands via better understanding | |
Xue et al. | Social media user behavior analysis applied to the fashion and apparel industry in the big data era | |
CN115526590A (zh) | 一种结合专家知识和算法的高效人岗匹配与复推方法 | |
Hussein | How many old and new big data v’s characteristics, processing technology, and applications (bd1) | |
Li et al. | Exploring the technology emergence related to artificial intelligence: A perspective of coupling analyses | |
Darko et al. | Service quality in football tourism: an evaluation model based on online reviews and data envelopment analysis with linguistic distribution assessments | |
Lyu et al. | Graph neural network based VC investment success prediction | |
Daoud et al. | The role of competitive advantage between search engine optimization and shaping the mental image of private Jordanian University students using google | |
CN106202299A (zh) | 一种基于残疾人特征的残疾人权威用户推荐方法 | |
Änäkkälä | Exploring value in eCommerce artificial intelligence and recommendation systems |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190426 |