CN110781428A - 评论展示方法、装置、计算机设备及存储介质 - Google Patents

评论展示方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN110781428A
CN110781428A CN201910851090.8A CN201910851090A CN110781428A CN 110781428 A CN110781428 A CN 110781428A CN 201910851090 A CN201910851090 A CN 201910851090A CN 110781428 A CN110781428 A CN 110781428A
Authority
CN
China
Prior art keywords
comment
product
user
sentences
target
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
Application number
CN201910851090.8A
Other languages
English (en)
Inventor
张仁娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
OneConnect Smart Technology Co Ltd
Original Assignee
OneConnect Smart Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by OneConnect Smart Technology Co Ltd filed Critical OneConnect Smart Technology Co Ltd
Priority to CN201910851090.8A priority Critical patent/CN110781428A/zh
Publication of CN110781428A publication Critical patent/CN110781428A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • 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]
    • G06Q30/0631—Item recommendations

Abstract

本发明实施例公开了一种评论展示方法、装置、计算机设备及存储介质。本发明应用于智能决策中的预测模型领域。所述方法首先利用预设情感词典计算每个产品的评论语句的情感分值，根据情感分值对产品的评论语句进行筛选得到目标评论语句，然后当用户浏览产品时，根据用户的浏览数据通过预先训练好的逻辑回归模型得到用户的偏好产品，最后将用户所浏览产品对应的目标评论语句以及用户的偏好产品及其同类产品对应的目标评论语句以弹幕的形式展示，可实现提高评论语句信息的质量、真实性以及有效性，用户可直观地获取产品评论语句信息，提高用户使用体验的效果。

Description

评论展示方法、装置、计算机设备及存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种评论语句展示方法、装置、计算机设备及存储介质。
背景技术
随着科技与经济的发展，互联网的普及给人们的生活带来了极大的便利，几乎所有的产品都可以从网上进行购买。目前，商家为了让客户更加了解产品，通常会设置评论区让客户自由评论，例如，可由未购买的潜在客户提问，已购买的客户进行回答，或者由已购买的客户根据对产品的使用体验进行评论。然而，目前有部分商家为了提高自身产品的竞争力会故意在竞争对手的同类竞品的评论区贬低同类的产品，产品的品质被恶意诋毁，导致产品评论的信息质量差、真实性低。且现有的产品评论数量多，用户需要在评论区一页一页地翻看评论，难以直观快速地获取到产品评论，用户的使用体验差。
发明内容
本发明实施例提供了一种评论展示方法、装置、计算机设备及存储介质，旨在解决产品评论的信息质量差、真实性低，用户难以直观地获取产品评论信息的问题。
第一方面，本发明实施例提供了一种评论展示方法，其包括：从预设数据库中获取每个产品的评论语句；根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句；若检测到用户浏览产品，获取所述用户所浏览产品对应的目标评论语句以及所述用户的浏览数据；将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出产品的偏好概率，并根据所述偏好概率得到所述用户的偏好产品；获取所述用户的偏好产品以及与所述用户的偏好产品同类的产品对应的目标评论语句；将所述用户所浏览产品、所述用户的偏好产品以及与所述偏好产品同类的产品对应的所述目标评论语句以弹幕的形式展示在预设显示区域中。
第二方面，本发明实施例还提供了一种评论展示装置，其包括：第一获取单元，用于从预设数据库中获取每个产品的评论语句；筛选单元，用于根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句；第二获取单元，用于若检测到用户浏览产品，获取所述用户所浏览产品对应的目标评论语句以及所述用户的浏览数据；计算单元，用于将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出产品的偏好概率，并根据所述偏好概率得到所述用户的偏好产品；第三获取单元，用于获取所述用户的偏好产品以及与所述用户的偏好产品同类的产品对应的目标评论语句；展示单元，用于将所述用户所浏览产品、所述用户的偏好产品以及与所述偏好产品同类的产品对应的所述目标评论语句以弹幕的形式展示在预设显示区域中。
第三方面，本发明实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现上述方法。
本发明实施例提供了一种评论展示方法、装置、计算机设备及存储介质。其中，所述方法包括：从预设数据库中获取每个产品的评论语句；根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句；若检测到用户浏览产品，获取所述用户所浏览产品对应的目标评论语句以及所述用户的浏览数据；将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出产品的偏好概率，并根据所述偏好概率得到所述用户的偏好产品；获取所述用户的偏好产品以及与所述用户的偏好产品同类的产品对应的目标评论语句；将所述用户所浏览产品、所述用户的偏好产品以及与所述偏好产品同类的产品对应的所述目标评论语句以弹幕的形式展示在预设显示区域中。本发明实施例由于首先利用预设情感词典计算每个产品的评论语句的情感分值，根据情感分值对产品的评论语句进行筛选得到目标评论语句，然后当用户浏览产品时，根据用户的浏览数据通过预先训练好的逻辑回归模型得到用户的偏好产品，最后将用户所浏览产品对应的目标评论语句以及用户的偏好产品及其同类产品对应的目标评论语句以弹幕的形式展示，可实现提高评论语句信息的质量、真实性以及有效性，用户可直观地获取产品评论语句信息，提高用户使用体验的效果。
附图说明
为了更清楚地说明本发明实施例技术方案，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为本发明实施例提供的评论展示方法的流程示意图；
图2为本发明实施例提供的评论展示方法的子流程示意图；
图3为本发明另一实施例提供的评论展示方法的部分流程示意图；
图4为本发明又一实施例提供的评论展示方法的部分流程示意图；
图5为本发明实施例提供的评论展示方法的子流程示意图；
图6为本发明实施例提供的评论展示装置的示意性框图；
图7为本发明实施例提供的评论展示装置的具体单元的示意性框图；
图8为本发明另一实施例提供的评论展示装置的示意性框图；
图9为本发明又一实施例提供的评论展示装置的示意性框图；以及
图10为本发明实施例提供的计算机设备的示意性框图。
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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，图1为本发明实施例提供的评论展示方法的示意性流程图。该评论展示方法应用于服务器中，通过服务器实现。本发明可应用于保险领域中，是针对保险产品的评论进行的改进，通过剔除恶意诋毁的负面评论，筛选积极真实的正面评论，且挑选出用户偏好产品的评论，将正面评论以及偏好产品的评论以弹幕的形式展示给用户，从而实现提高评论的质量、真实性以及有效性，用户可直观地获取产品评论信息，提高用户使用体验的效果。
图1是本发明实施例提供的评论展示方法的流程示意图。如图所示，该方法包括以下步骤S110-S160。
S110、从预设数据库中获取每个产品的评论语句。
具体地，预设数据库指的是存储网站所有数据的数据库，其中，网站具体是展示产品的网站，也即供用户对产品进行评论的网站。预设数据库中存储有用户们对每个产品的评论语句，每个产品均分配有唯一识别的产品编号，每个产品编码下对应有多个用户对产品提出的评论语句，因此，可通过产品编号获取每个产品对应的评论语句。
S120、根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句。
在一实施例中，预设情感词典指的是对情感词进行分类打分的词典，其中，情感词包括正面词、负面词以及中性词，正面词例如为赔付多、方便以及安全等，负面词例如为理赔难、欺诈以及麻烦等，中性词例如为房市、股市、行业以及经济等，其中，正面词的分值为1，负面词的分值为-1，中性词的分值为0。预设情感词典是已预先构建好的，通过调用预设情感词典的接口来使用。具体地，在获取到每个产品的评论语句后，根据预设情感词典对每一条评论语句的情感词进行打分，每条评论语句的情感词的分数总和为该条评论语句的情感分值，其中，将情感分值为正数的评论语句作为目标评论语句，也即情感分值为非正数的评论语句为非目标评论语句。
在一实施例中，如图2所示，所述步骤S120可包括步骤S121-S124。
S121、根据分词工具对所述评论语句进行分词。
具体地，分词工具指的是对内容进行符合中文分词算法的中文切词工具，通过分词工具对评论语句进行分词，例如，jieba、SnowNLP以及NLPIR等分词工具，分词工具用于将一个汉字序列切分成一个一个单独的词，例如，“少儿保障计划这款产品理赔快捷，感冒发烧都可以赔付”，分词后得到“少儿保障计划/这/款/产品/理赔/快捷/，感冒/发烧/都/可以/赔付”。
S122、将分词后的所述评论语句与预设情感词典进行匹配以获取所述评论语句中的情感词的分值。
具体地，根据分词后评论语句中的每个词组在预设情感词典中进行遍历查找与之相同的词组，若在预设情感词典中查找到有与之相同的词组，说明该词组为预设情感词典中的情感词，则返回该情感词的分值。例如，“在线赔付功能，使用非常简单，点赞”，其中，“非常简单”，“点赞”为预设情感词典中的情感词，其对应的情感分值为0.8以及0.7，获取其对应的情感分值。
S123、对所述评论语句中的每个情感词的分值进行求和得到所述评论语句的情感分值。
具体地，在得到评论语句中每个情感词的分值之后，对评论语句中的每个情感词的分值进行求和，得到该评论语句的情感分值。例如，“理赔非常麻烦，赔付又慢，金额还少，客服态度还不怎样”。其中，该评论语句的情感词包括：麻烦、慢、少以及不怎样，其对应的分值均为-1，因此该评论语句的情感分值为对上述四个情感词的求和为-4。
S124、将情感分值大于零的所述评论语句作为目标评论语句。
具体地，将每个评论语句的情感分值与零进行对比，若评论语句的情感分值大于零，则将该评论语句作为目标评论语句，若评论语句的情感分值小于零，则将该评论语句作为非目标评论语句，且若评论语句的情感分值等于零，也将该评论语句作为非目标评论语句。当然可以理解的是，目标评论语句的情感分值设定，还可以是除零以外的其他阈值，又或者是通过区间来设定。
在一实施例中，如图3所示，所述步骤S120之后，还包括步骤：S125-S126。
S125、将预设关键字与每个所述产品的每个所述目标评论语句进行匹配。
S126、若所述预设关键字与所述目标评论语句匹配成功，则将匹配成功的所述目标评论语句转换为非目标评论语句。
具体地，预设关键字指的是同业竞争者常采用的诋毁产品的词，例如，垃圾、倒闭以及诈骗等。在得到产品的目标评论语句后，根据预设关键字与每个目标评论语句中的每个词组进行匹配，若匹配成功，说明该目标评论语句中存在诋毁产品的情况，将该目标评论语句转换为非目标评论语句，剔除掉该非目标评论语句以避免在后续的评论语句展示中展示。
在一实施例中，如图4所示，所述步骤S120之后，还包括步骤：S127-S128。
S127、判断每个所述产品的每个所述目标评论语句的字数是否超过预设阈值。
S128、若所述目标评论语句的字数超过预设阈值，则将所述目标评论语句转换为非目标评论语句。
具体地，通过预设阈值来控制目标评论语句的字数，避免过长的弹幕文字影响用户的使用体验。具体地，在得到目标评论语句之后，获取每个目标评论语句的字数，将每个目标评论语句的字数与预设阈值进行一一比对，若目标评论语句的字数超过预设阈值，则剔除掉该目标评论语句，即将目标评论语句转换非目标评论语句，不予展示。其中，预设阈值为30个字符，当然可以理解的是，还可以是其他任意字数。
S130、若检测到用户浏览产品，获取所述用户所浏览产品对应的目标评论语句以及所述用户的浏览数据。
具体地，用户登录到网站中浏览产品，网站相应地记录用户的浏览数据，浏览数据保存在预设数据库中，其中，浏览数据包括：浏览的产品、产品浏览的时长、购买的产品以及对产品提交的评论语句等。用户通过账号以及密码登陆到网站中进行浏览，用户的浏览数据与用户的账号存在一一对应的映射关系，因此通过用户的账号即可获取对应该用户的浏览数据，以及获取该用户所浏览产品对应的目标评论语句。
S140、将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出产品的偏好概率，并根据所述偏好概率得到所述用户的偏好产品。
在一实施例中，逻辑回归模型是一种广义上的线性回归，是一个被逻辑回归方程归一化后的线性回归。逻辑回归模型已预先训练好，直接调用已训练好的逻辑回归模型，将用户的浏览数据作为输入参数输入到该逻辑回归模型中进行迭代计算输出每个产品的偏好概率，将每个产品的偏好概率与预设阈值进行比对从而得到用户的偏好产品。其中，逻辑回归模型的训练过程如下：首先从预设数据库中获取浏览数据；然后根据浏览数据构建训练样本，训练样本由浏览数据以及标注构成，例如，训练样本的标签为用户偏好的产品为人寿保险，那么若用户浏览的产品为人寿保险则标注为1，若用户浏览的产品为健康保险或者其他的非人寿保险则均标注为0，若用户浏览人寿保险的时长大于等于1分钟则标注为1，否则标注为0，若用户对人寿保险评论则标注为1，否则标注为0；最后再将训练样本输入至逻辑回归模型中进行训练输出用户对每个产品的偏好概率，逻辑回归模型的公式如下：
Figure BDA0002196961190000071
Figure BDA0002196961190000072
Figure BDA0002196961190000073
Figure BDA0002196961190000074
其中，hθ(x)为模型的输出，x为输入的训练样本，θ为模型参数，L为对数似然函数，y为0或1，i为训练样本的个数，J为损失函数，其中，h采用Sigmoid函数。具体地，首先将训练样本输入至h函数进行预测得到参数θ，然后根据θ求解其损失函数，损失函数由最大对数似然函数推导得到，运用梯度下降方法对θ进行更新迭代直到使得损失函数最小，从而完成模型的迭代训练输出产品的偏好概率。
在一实施例中，如图5所示，所述步骤S140可包括步骤S141-S143。
S141、将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出每个产品的偏好概率。
具体地，在获取到用户的浏览数据后，将用户的浏览数据作为输入参数，用户的浏览数据为该用户浏览的产品、产品浏览的时长、购买的产品以及对产品提交的评论等，也即hθ(x)中的x，将输入参数输入中逻辑回归模型hθ(x)中进行计算，由于逻辑回归模型已预先训练好，即参数θ为已知，经计算后得到该用户对每个产品的偏好概率。
S142、将每个产品的偏好概率与预设阈值进行对比。
S143、若所述产品的偏好概率大于预设阈值，则判定所述产品为所述用户的偏好产品。
具体地，在得到用户对每个产品的偏好概率后，将每个产品的偏好概率与预设阈值进行一一比对，若产品的偏好概率大于预设阈值的，则将该产品作为用户的偏好产品。例如，旅行险的偏好概率为0.2，预设阈值为0.7，旅行险的偏好概率小于预设阈值，那么该旅行险则不是用户的偏好产品。
S150、获取所述用户的偏好产品以及与所述用户的偏好产品同类的产品对应的目标评论语句。
具体地，在得到用户的偏好产品后，根据用户的偏好产品的产品编码获取同类产品的产品编码，例如，欧洲旅游险的产品编码为LY-001，那么根据该产品编码的前缀获取对应同类产品的产品编码，例如，国内旅游险LY-002，东南亚旅游险003等。在得到同类产品的产品编号后，则根据偏好产品的产品编号以及与偏好产品同类的产品的产品编号获取对应的目标评论语句。
S160、将所述用户所浏览产品、所述用户的偏好产品以及与所述偏好产品同类的产品对应的所述目标评论语句以弹幕的形式展示在预设显示区域中。
具体地，预设显示区域指的是用户所浏览产品的当前页面，通过调用弹幕工具将目标评论语句转化为弹幕文字，其中，弹幕工具可采用Premiere、AE或者绘声绘影等，并通过弹幕工具将所转化的弹幕文字在预设显示区域进行滚动，例如，可从左向右滚动，也可从右向左滚动。其中，属于当前用户所浏览产品的目标评论语句优先滚动，用户偏好产品的评论语句以及与用户偏好产品同类的产品的目标评论语句劣后滚动，且产品的偏好概率越高的评论语句优先滚动。在用户所浏览产品的当前页面中还设置有关闭弹幕的按钮，用户在不需要弹幕的时候，可通过该按钮关闭弹幕。
本发明实施例展示了一种评论展示方法，其首先利用预设情感词典计算每个产品的评论语句的情感分值，根据情感分值对产品的评论语句进行筛选得到目标评论语句，然后当用户浏览产品时，根据用户的浏览数据通过预先训练好的逻辑回归模型得到用户的偏好产品，最后将用户所浏览产品对应的目标评论语句以及用户的偏好产品及其同类产品对应的目标评论语句以弹幕的形式展示，可实现提高评论语句信息的质量、真实性以及有效性，用户可直观地获取产品评论语句信息，提高用户使用体验的效果。
图6是本发明实施例提供的一种评论展示装置200的示意性框图。如图6所示，对应于以上评论展示方法，本发明还提供一种评论展示装置200。该评论展示装置200包括用于执行上述评论展示方法的单元，该装置可以被配置于服务器中。具体地，请参阅图6，该评论展示装置200包括：第一获取单元210、筛选单元220、第二获取单元230、计算单元240、第三获取单元250以及展示单元260。
第一获取单元210，用于从预设数据库中获取每个产品的评论语句。
具体地，预设数据库指的是存储网站所有数据的数据库，其中，网站具体是展示产品的网站，也即供用户对产品进行评论的网站。预设数据库中存储有用户们对每个产品的评论语句，每个产品均分配有唯一识别的产品编号，每个产品编码下对应有多个用户对产品提出的评论语句，因此，通过产品编号获取每个产品对应的评论语句。
筛选单元220，用于根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句。
在一实施例中，预设情感词典指的是对情感词进行分类打分的词典，其中，情感词包括正面词、负面词以及中性词，正面词例如为赔付多、方便以及安全等，负面词例如为理赔难、欺诈以及麻烦等，中性词例如为房市、股市、行业以及经济等，其中，正面词的分值为1，负面词的分值为-1，中性词的分值为0。预设情感词典是已预先构建好的，通过调用预设情感词典的接口来使用。具体地，在获取到每个产品的评论语句后，根据预设情感词典对每一条评论语句的情感词进行打分，每条评论语句的情感词的分数总和为该条评论语句的情感分值，其中，将情感分值为正数的评论语句作为目标评论语句，也即情感分值为非正数的评论语句为非目标评论语句。
在一实施例中，如图7所示，所述筛选单元220包括：分词单元221、第一匹配单元222、求和单元223以及目标单元224。
分词单元221，用于根据分词工具对所述评论语句进行分词。
具体地，分词工具指的是对内容进行符合中文分词算法的中文切词工具，通过分词工具对评论语句进行分词，例如，jieba、SnowNLP以及NLPIR等分词工具，分词工具用于将一个汉字序列切分成一个一个单独的词，例如，“少儿保障计划这款产品理赔快捷，感冒发烧都可以赔付”，分词后得到“少儿保障计划/这/款/产品/理赔/快捷/，感冒/发烧/都/可以/赔付”。
第一匹配单元222，用于将分词后的所述评论语句与预设情感词典进行匹配以获取所述评论语句中的情感词的分值。
具体地，根据分词后评论语句中的每个词组在预设情感词典中进行遍历查找与之相同的词组，若在预设情感词典中查找到有与之相同的词组，说明该词组为预设情感词典中的情感词，则返回该情感词的分值。例如，“在线赔付功能，使用非常简单，点赞”，其中，“非常简单”，“点赞”为预设情感词典中的情感词，其对应的情感分值为0.8以及0.7，获取其对应的情感分值。
求和单元223，用于对所述评论语句中的每个情感词的分值进行求和得到所述评论语句的情感分值。
具体地，在得到评论语句中每个情感词的分值之后，对评论语句中的每个情感词的分值进行求和，得到该评论语句的情感分值。例如，“理赔非常麻烦，赔付又慢，金额还少，客服态度还不怎样”。其中，该评论语句的情感词包括：麻烦、慢、少以及不怎样，其对应的分值均为-1，因此该评论语句的情感分值为对上述四个情感词的求和为-4。
目标单元224，用于将情感分值大于零的所述评论语句作为目标评论语句。
具体地，将每个评论语句的情感分值与零进行对比，若评论语句的情感分值大于零，则将该评论语句作为目标评论语句，若评论语句的情感分值小于零，则将该评论语句作为非目标评论语句，且若评论语句的情感分值等于零，也将该评论语句作为非目标评论语句。当然可以理解的是，目标评论语句的情感分值设定，还可以是除零以外的其他阈值，又或者是通过区间来设定。
在一实施例中，如图8所示，所述评论展示装置200还包括：第二匹配单元225以及第一转换单元226。
第二匹配单元225，用于将预设关键字与每个所述产品的每个所述目标评论语句进行匹配。
第一转换单元226，用于若所述预设关键字与所述目标评论语句匹配成功，则将匹配成功的所述目标评论语句转换为非目标评论语句。
具体地，预设关键字指的是同业竞争者常采用的诋毁产品的词，例如，垃圾、倒闭以及诈骗等。在得到产品的目标评论语句后，根据预设关键字与目标评论语句中的每个词组进行匹配，若匹配成功，说明该目标评论语句中存在诋毁产品的情况，将该目标评论语句转换为非目标评论语句，剔除掉该非目标评论语句以避免在后续的评论语句展示中展示。
在一实施例中，如图9所示，所述评论展示装置200还包括：判断单元227以及第二转换单元228。
判断单元227，用于判断每个所述产品的每个所述目标评论语句的字数是否超过预设阈值。
第二转换单元228，用于若所述目标评论语句的字数超过预设阈值，则将所述目标评论语句转换为非目标评论语句。
具体地，通过预设阈值来控制目标评论语句的字数，避免过长的弹幕文字影响用户的使用体验。具体地，在得到目标评论语句之后，获取每个目标评论语句的字数，将每个目标评论语句的字数与预设阈值进行一一比对，若目标评论语句的字数超过预设阈值，则剔除掉该目标评论语句，即将目标评论语句转换非目标评论语句，不予展示。其中，预设阈值为30个字符，当然可以理解的是，还可以是其他任意字数。
第二获取单元230，用于若检测到用户浏览产品，获取所述用户所浏览产品对应的目标评论语句以及所述用户的浏览数据。
具体地，用户登录到网站中浏览产品，网站相应地记录用户的浏览数据，浏览数据保存在预设数据库中，其中，浏览数据包括：浏览的产品、产品浏览的时长、购买的产品以及对产品提交的评论语句等。用户通过账号以及密码登陆到网站中进行浏览，用户的浏览数据与用户的账号存在一一对应的映射关系，因此通过用户的账号即可获取对应该用户的浏览数据，以及获取该用户所浏览产品对应的目标评论语句。
计算单元240，用于将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出产品的偏好概率，并根据所述偏好概率得到所述用户的偏好产品。
在一实施例中，逻辑回归模型是一种广义上的线性回归，是一个被逻辑回归方程归一化后的线性回归。逻辑回归模型已预先训练好，直接调用已训练好的逻辑回归模型，将用户的浏览数据作为输入参数输入到该逻辑回归模型中进行迭代计算输出每个产品的偏好概率，将每个产品的偏好概率与预设阈值进行比对从而得到用户的偏好产品。其中，逻辑回归模型的训练过程如下：首先从预设数据库中获取浏览数据；然后根据浏览数据构建训练样本，训练样本由浏览数据以及标注构成，例如，训练样本的标签为用户偏好的产品为人寿保险，那么若用户浏览的产品为人寿保险则标注为1，若用户浏览的产品为健康保险或者其他的非人寿保险则均标注为0，若用户浏览人寿保险的时长大于等于1分钟则标注为1，否则标注为0，若用户对人寿保险评论则标注为1，否则标注为0；最后再将训练样本输入至逻辑回归模型中进行训练输出用户对每个产品的偏好概率，逻辑回归模型的公式如下：
Figure BDA0002196961190000121
Figure BDA0002196961190000122
Figure BDA0002196961190000123
Figure BDA0002196961190000124
其中，hθ(x)为模型的输出，x为输入的训练样本，θ为模型参数，L为对数似然函数，y为0或1，i为训练样本的个数，J为损失函数，其中，h采用Sigmoid函数。具体地，首先将训练样本输入至h函数进行预测得到参数θ，然后根据θ求解其损失函数，损失函数由最大对数似然函数推导得到，运用梯度下降方法对θ进行更新迭代直到使得损失函数最小，从而完成模型的迭代训练输出产品的偏好概率。
在一实施例中，如图7所示，所述计算单元240包括：计算子单元241、对比单元242以及判定单元243。
计算子单元241，用于将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出每个产品的偏好概率。
具体地，在获取到用户的浏览数据后，将用户的浏览数据作为输入参数，用户的浏览数据为该用户浏览的产品、产品浏览的时长、购买的产品以及对产品提交的评论等，也即hθ(x)中的x，将输入参数输入中逻辑回归模型hθ(x)中进行计算，由于逻辑回归模型已预先训练好，即参数θ为已知，经计算后得到该用户对每个产品的偏好概率。
对比单元242，用于将每个产品的偏好概率与预设阈值进行对比。
判定单元243，用于若所述产品的偏好概率大于预设阈值，则判定所述产品为所述用户的偏好产品。
具体地，在得到用户对每个产品的偏好概率后，将每个产品的偏好概率与预设阈值进行一一比对，若产品的偏好概率大于预设阈值的，则将该产品作为用户的偏好产品。例如，旅行险的偏好概率为0.2，预设阈值为0.7，旅行险的偏好概率小于预设阈值，那么该旅行险则不是用户的偏好产品。
第三获取单元250，用于获取所述用户的偏好产品以及与所述用户的偏好产品同类的产品对应的目标评论语句。
具体地，在得到用户的偏好产品后，根据用户的偏好产品的产品编码获取同类产品的产品编码，例如，欧洲旅游险的产品编码为LY-001，那么根据该产品编码的前缀获取对应同类产品的产品编码，例如，国内旅游险LY-002，东南亚旅游闲003等。在得到同类产品的产品编号后，则根据偏好产品的产品编号以及与偏好产品同类的产品的产品编号获取对应的目标评论语句。
展示单元260，用于将所述用户所浏览产品、所述用户的偏好产品以及与所述偏好产品同类的产品对应的所述目标评论语句以弹幕的形式展示在预设显示区域中。
具体地，预设显示区域指的是用户所浏览产品的当前页面，通过调用弹幕工具将目标评论语句转化为弹幕文字，其中，弹幕工具可采用Premiere、AE或者绘声绘影等，并通过弹幕工具将所转化的弹幕文字在预设显示区域进行滚动，例如，可从左向右滚动，也可从右向左滚动。其中，属于当前用户所浏览产品的目标评论语句优先滚动，用户偏好产品的评论语句以及与用户偏好产品同类的产品的目标评论语句劣后滚动，且产品的偏好概率越高的评论语句优先滚动。在用户所浏览产品的当前页面中还设置有关闭弹幕的按钮，用户在不需要弹幕的时候，可通过该按钮关闭弹幕。
本发明实施例展示了一种评论展示装置，其首先利用预设情感词典计算每个产品的评论语句的情感分值，根据情感分值对产品的评论语句进行筛选得到目标评论语句，然后当用户浏览产品时，根据用户的浏览数据通过预先训练好的逻辑回归模型得到用户的偏好产品，最后将用户所浏览产品对应的目标评论语句以及用户的偏好产品及其同类产品对应的目标评论语句以弹幕的形式展示，可实现提高评论语句信息的质量、真实性以及有效性，用户可直观地获取产品评论语句信息，提高用户使用体验的效果。
上述评论展示装置可以实现为一种计算机程序的形式，该计算机程序可以在如图10所示的计算机设备上运行。
请参阅图10，图10是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器，其中，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
参阅图10，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种评论展示方法。
该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种评论展示方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如下步骤：从预设数据库中获取每个产品的评论语句；根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句；若检测到用户浏览产品，获取所述用户所浏览产品对应的目标评论语句以及所述用户的浏览数据；将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出产品的偏好概率，并根据所述偏好概率得到所述用户的偏好产品；获取所述用户的偏好产品以及与所述用户的偏好产品同类的产品对应的目标评论语句；将所述用户所浏览产品、所述用户的偏好产品以及与所述偏好产品同类的产品对应的所述目标评论语句以弹幕的形式展示在预设显示区域中。
在一实施例中，处理器502在实现所述根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句步骤时，具体实现如下步骤：根据分词工具对所述评论语句进行分词；将分词后的所述评论语句与预设情感词典进行匹配以获取所述评论语句中的情感词的分值；对所述评论语句中的每个情感词的分值进行求和得到所述评论语句的情感分值；将情感分值大于零的所述评论语句作为目标评论语句。
在一实施例中，处理器502在实现所述根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句步骤之后，还实现如下步骤：将预设关键字与每个所述产品的每个所述目标评论语句进行匹配；若所述预设关键字与所述目标评论语句匹配成功，则将匹配成功的所述目标评论语句转换为非目标评论语句。
在一实施例中，处理器502在实现所述根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句步骤之后，还实现如下步骤：判断每个所述产品的每个所述目标评论语句的字数是否超过预设阈值；若所述目标评论语句的字数超过预设阈值，则将所述目标评论语句转换为非目标评论语句。
在一实施例中，处理器502在实现所述将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出产品的偏好概率，并根据所述偏好概率得到所述用户的偏好产品步骤时，具体实现如下步骤：将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出每个产品的偏好概率；将每个产品的偏好概率与预设阈值进行对比；若所述产品的偏好概率大于预设阈值，则判定所述产品为所述用户的偏好产品。
应当理解，在本申请实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，其中计算机程序包括程序指令。该程序指令被处理器执行时使处理器执行如下步骤：从预设数据库中获取每个产品的评论语句；根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句；若检测到用户浏览产品，获取所述用户所浏览产品对应的目标评论语句以及所述用户的浏览数据；将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出产品的偏好概率，并根据所述偏好概率得到所述用户的偏好产品；获取所述用户的偏好产品以及与所述用户的偏好产品同类的产品对应的目标评论语句；将所述用户所浏览产品、所述用户的偏好产品以及与所述偏好产品同类的产品对应的所述目标评论语句以弹幕的形式展示在预设显示区域中。
在一实施例中，所述处理器在执行所述程序指令而实现所述根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句步骤时，具体实现如下步骤：根据分词工具对所述评论语句进行分词；将分词后的所述评论语句与预设情感词典进行匹配以获取所述评论语句中的情感词的分值；对所述评论语句中的每个情感词的分值进行求和得到所述评论语句的情感分值；将情感分值大于零的所述评论语句作为目标评论语句。
在一实施例中，所述处理器在执行所述程序指令而实现所述根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句步骤之后，还实现如下步骤：将预设关键字与每个所述产品的每个所述目标评论语句进行匹配；若所述预设关键字与所述目标评论语句匹配成功，则将匹配成功的所述目标评论语句转换为非目标评论语句。
在一实施例中，所述处理器在执行所述程序指令而实现所述根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句步骤之后，还实现如下步骤：判断每个所述产品的每个所述目标评论语句的字数是否超过预设阈值；若所述目标评论语句的字数超过预设阈值，则将所述目标评论语句转换为非目标评论语句。
在一实施例中，所述处理器在执行所述程序指令而实现所述将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出产品的偏好概率，并根据所述偏好概率得到所述用户的偏好产品步骤时，具体实现如下步骤：将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出每个产品的偏好概率；将每个产品的偏好概率与预设阈值进行对比；若所述产品的偏好概率大于预设阈值，则判定所述产品为所述用户的偏好产品。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种评论展示方法，其特征在于，包括：
从预设数据库中获取每个产品的评论语句；
根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句；
若检测到用户浏览产品，获取所述用户所浏览产品对应的目标评论语句以及所述用户的浏览数据；
将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出产品的偏好概率，并根据所述偏好概率得到所述用户的偏好产品；
获取所述用户的偏好产品以及与所述用户的偏好产品同类的产品对应的目标评论语句；
将所述用户所浏览产品对应的目标评论语句、所述用户的偏好产品以及与所述偏好产品同类的产品对应的所述目标评论语句以弹幕的形式展示在预设显示区域中。
2.根据权利要求1所述的评论展示方法，其特征在于，所述根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句，包括：
根据分词工具对所述评论语句进行分词；
将分词后的所述评论语句与预设情感词典进行匹配以获取所述评论语句中的情感词的分值；
对所述评论语句中的每个情感词的分值进行求和得到所述评论语句的情感分值；
将情感分值大于零的所述评论语句作为目标评论语句。
3.根据权利要求2所述的评论展示方法，其特征在于，所述根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句之后，还包括：
将预设关键字与每个所述产品的每个所述目标评论语句进行匹配；
若所述预设关键字与所述目标评论语句匹配成功，则将匹配成功的所述目标评论语句转换为非目标评论语句。
4.根据权利要求2所述的评论展示方法，其特征在于，所述根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句之后，还包括：
判断每个所述产品的每个所述目标评论语句的字数是否超过预设阈值；
若所述目标评论语句的字数超过预设阈值，则将所述目标评论语句转换为非目标评论语句。
5.根据权利要求1所述的评论展示方法，其特征在于，所述将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出产品的偏好概率，并根据所述偏好概率得到所述用户的偏好产品，包括：
将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出每个产品的偏好概率；
将每个产品的偏好概率与预设阈值进行对比；
若所述产品的偏好概率大于预设阈值，则判定所述产品为所述用户的偏好产品。
6.一种评论展示装置，其特征在于，包括：
第一获取单元，用于从预设数据库中获取每个产品的评论语句；
筛选单元，用于根据预设情感词典确定每个产品的所述评论语句的情感分值，并根据所述情感分值从所述评论语句中筛选出每个产品的目标评论语句；
第二获取单元，用于若检测到用户浏览产品，获取所述用户所浏览产品对应的目标评论语句以及所述用户的浏览数据；
计算单元，用于将所述用户的浏览数据作为输入参数输入至预先训练好的逻辑回归模型中进行计算以输出产品的偏好概率，并根据所述偏好概率得到所述用户的偏好产品；
第三获取单元，用于获取所述用户的偏好产品以及与所述用户的偏好产品同类的产品对应的目标评论语句；
展示单元，用于将所述用户所浏览产品、所述用户的偏好产品以及与所述偏好产品同类的产品对应的所述目标评论语句以弹幕的形式展示在预设显示区域中。
7.根据权利要求6所述的评论展示装置，其特征在于，包括：所述筛选单元，包括：
分词单元，用于根据分词工具对所述评论语句进行分词；
第一匹配单元，用于将分词后的所述评论语句与预设情感词典进行匹配以获取所述评论语句中的情感词的分值；
求和单元，用于对所述评论语句中的每个情感词的分值进行求和得到所述评论语句的情感分值；
目标单元，用于将情感分值大于零的所述评论语句作为目标评论语句。
8.根据权利要求6所述的评论展示装置，其特征在于，所述评论语句展示装置还包括：
第二匹配单元，用于将预设关键字与每个所述产品的每个所述目标评论语句进行匹配；
第一转换单元，用于若所述预设关键字与所述目标评论语句匹配成功，则将匹配成功的所述目标评论语句转换为非目标评论语句。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现如权利要求1-5中任一项所述的方法。
CN201910851090.8A 2019-09-10 2019-09-10 评论展示方法、装置、计算机设备及存储介质 Pending CN110781428A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910851090.8A CN110781428A (zh) 2019-09-10 2019-09-10 评论展示方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910851090.8A CN110781428A (zh) 2019-09-10 2019-09-10 评论展示方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN110781428A true CN110781428A (zh) 2020-02-11

Family

ID=69383409

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910851090.8A Pending CN110781428A (zh) 2019-09-10 2019-09-10 评论展示方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN110781428A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112256369A (zh) * 2020-10-20 2021-01-22 北京达佳互联信息技术有限公司 一种内容显示方法、装置、系统及存储介质
CN112533051A (zh) * 2020-11-27 2021-03-19 腾讯科技（深圳）有限公司 弹幕信息显示方法、装置、计算机设备和存储介质
CN116304351A (zh) * 2023-03-29 2023-06-23 黑龙江青策网络科技有限公司 一种基于大数据的智能数据信息统计管理系统及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112256369A (zh) * 2020-10-20 2021-01-22 北京达佳互联信息技术有限公司 一种内容显示方法、装置、系统及存储介质
CN112533051A (zh) * 2020-11-27 2021-03-19 腾讯科技（深圳）有限公司 弹幕信息显示方法、装置、计算机设备和存储介质
CN116304351A (zh) * 2023-03-29 2023-06-23 黑龙江青策网络科技有限公司 一种基于大数据的智能数据信息统计管理系统及方法
CN116304351B (zh) * 2023-03-29 2024-02-02 陕西维纳数字科技股份有限公司 一种基于大数据的智能数据信息统计管理系统及方法

Similar Documents

Publication Publication Date Title
US11093854B2 (en) Emoji recommendation method and device thereof
CN101496002B (zh) 利用在线会话的内容选择广告内容和/或其他相关信息以供显示的系统和方法
WO2018040944A1 (zh) 恶意地址/恶意订单的识别系统、方法及装置
EP3413221A1 (en) Risk assessment method and system
CN108550065B (zh) 评论数据处理方法、装置及设备
KR102218468B1 (ko) 텍스트의 내용 및 감정 분석에 기반한 답변 추천 시스템 및 방법
GB2531856A (en) Adaptive modification of content presented in electronic forms
US11757807B2 (en) Interactive chatbot for multi-way communication
CN110781428A (zh) 评论展示方法、装置、计算机设备及存储介质
US20220138770A1 (en) Method and apparatus for analyzing sales conversation based on voice recognition
WO2008075524A1 (ja) 極性推定システム、情報配信システム、極性推定方法及び、極性推定用プログラム、及び評価極性推定用プログラム
CN111080055A (zh) 酒店评分方法、酒店推荐方法、电子装置和存储介质
US11392631B2 (en) System and method for programmatic generation of attribute descriptors
CN110991742A (zh) 一种社交网络信息转发概率预测方法及系统
CN110502639B (zh) 基于问题贡献度的信息推荐方法、装置、及计算机设备
WO2019242453A1 (zh) 信息处理方法及装置、存储介质、电子装置
CN108460049A (zh) 一种确定信息类别的方法和系统
WO2019192122A1 (zh) 文档主题参数提取方法、产品推荐方法、设备及存储介质
CN111079084A (zh) 一种基于长短时记忆网络的信息转发概率预测方法及系统
CN113722487A (zh) 用户情感分析方法、装置、设备及存储介质
CN110941759B (zh) 一种微博情感分析方法
CN113627155A (zh) 一种数据筛选方法、装置、设备及存储介质
CN112597295A (zh) 摘要提取方法、装置、计算机设备和存储介质
Liu et al. Stratify Mobile App Reviews: E-LDA Model Based on Hot" Entity" Discovery
CN112115258A (zh) 一种用户的信用评价方法、装置、服务器及存储介质

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