CN111523923A - 商家评论管理系统、方法、服务器及存储介质 - Google Patents
商家评论管理系统、方法、服务器及存储介质 Download PDFInfo
- Publication number
- CN111523923A CN111523923A CN202010262283.2A CN202010262283A CN111523923A CN 111523923 A CN111523923 A CN 111523923A CN 202010262283 A CN202010262283 A CN 202010262283A CN 111523923 A CN111523923 A CN 111523923A
- Authority
- CN
- China
- Prior art keywords
- comment
- merchant
- review
- information
- emotion
- 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.)
- Granted
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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/338—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Abstract
本申请公开一种商家评论管理系统、方法、服务器及计算机可读存储介质,其中所述商家评论管理系统包括:获取模块,用于获取至少一平台的点评用户对一商家的评论信息;分析模块,用于对所述评论信息进行语义分析,以获得评论分类结果;所述评论分类结果包括评论类别和情感类别;所述情感类别至少包括正向情感和负向情感;处理模块,用于依据至少一业务类型对所述商家的评论分类结果进行处理以获得评论聚合结果;展示模块,用于将各业务类型的评论聚合结果分别进行可视化展示。本申请能够便于商家更加清晰、准确地了解用户对所提供服务的满意程度,便于商家更加方便地对用户的评论进行管理。
Description
技术领域
本申请涉及计算机数据处理领域,具体涉及一种商家评论管理系统、方法、服务器及计算机可读存储介质。
背景技术
商家通过在线预订平台为用户提供了展示商品的方式。与传统消费相比,用户在在线预订平台对商家的正面评价对该商家有良性循环的作用;对商家的负面评价则不利于该商家的营销。为此,商家高度重视用户的评价信息,特别是高质量的评价信息。
目前对商家的服务情况进行评估的方法通常包括人工排查的方式,或者向用户发起问卷调查的方式,以此来对所述商家所提供的服务进行评估。上述方式所耗费的人力跟踪成本投入高,并且用户的评论表达方式繁复多样,而商家所提供的服务项目种类繁多,难以将用户的评论内容与商家提供的服务项目进行关联。
发明内容
鉴于以上所述相关技术的缺点,本申请的目的在于提供一种商家评论管理系统、方法、服务器及计算机可读存储介质,用以克服上述相关技术中商家难于从用户的评论信息中选择出便于商家排查的技术问题。
为实现上述目的及其他相关目的,本申请公开的第一方面提供一种商家评论管理系统,包括:获取模块,用于获取至少一平台的点评用户对一商家的评论信息;分析模块,用于对所述评论信息进行语义分析,以获得评论分类结果;所述评论分类结果包括评论类别和情感类别;所述情感类别至少包括正向情感和负向情感;处理模块,用于依据至少一业务类型对所述商家的评论分类结果进行处理以获得评论聚合结果;展示模块,用于将各业务类型的评论聚合结果分别进行可视化展示。
在本申请第一方面的某些实施方式中,所述分析模块包括:分析单元,用于对所述评论信息进行语义分析,以获得至少一语义特征;映射单元,用于将所述语义特征映射至预设的多种评论类别和多种情感类别之中,以获得所述评论信息的评论分类结果。
在本申请第一方面的某些实施方式中,所述映射单元获得所述评论信息的评论分类结果是通过一机器学习模型实现的。
在本申请第一方面的某些实施方式中,所述评论类别包括整体评价、安全卫生、位置交通、价格、服务体验、以及游玩体验中的一种或多种的组合。
在本申请第一方面的某些实施方式中,所述评论类别的维度是依据大数据分析获得的,或依据数据统计结果获得的。
在本申请第一方面的某些实施方式中,所述业务类型包括评论维护、评分诊断、口碑管理、单元质量、竞争分析、以及营销策略建议中的一种或多种的组合。
在本申请第一方面的某些实施方式中,所述展示模块还用于以文本展示、图表展示、动态图展示、以及视频展示的一种或多种的组合将所述评论聚合结果进行可视化展示。
在本申请第一方面的某些实施方式中,所述展示模块还用于展示依据评论维护业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括用于反映所述评论信息的情感类别的筛选组件,和/或,所述评论信息的平台来源的筛选组件。
在本申请第一方面的某些实施方式中,所述筛选组件包括根据所述评论信息获得的用于反映所述评论信息的情感类别的热度词。
在本申请第一方面的某些实施方式中,所述展示模块还用于展示依据评论诊断业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括所述评论信息的平台来源,和/或,所述评论信息的诊断维度信息;所述诊断维度信息包括评论质量、评论数量、以及评论分数中的一种或多种。
在本申请第一方面的某些实施方式中,所述展示模块还用于展示依据口碑管理业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括根据评论类别和/或情感类别得到的统计结果,和/或,根据评论类别和/或情感类别筛选得到的评论信息。
在本申请第一方面的某些实施方式中,所述获取模块还用于获取所述至少一平台的点评用户对所述商家的同类型商家的评论信息,以供所述分析模块对所述同类型商家的评论信息进行语义分析,以及,以供所述处理模块依据所述至少一业务类型对所述同类型商家的评论分类结果进行处理以获得评论聚合结果。
在本申请第一方面的某些实施方式中,所述展示模块还用于展示所述同类型商家的评论聚合结果与所述商家的评论聚合结果的比较结果。
在本申请第一方面的某些实施方式中,所述展示模块还用于展示依据单元质量业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括根据所述评论类别和业务部门的映射关系,获得所述业务部门对应的情感类别的统计结果。
本申请公开的第二方面提供一种商家评论管理方法,包括如下步骤:获取至少一平台的点评用户对一商家的评论信息;对所述评论信息进行语义分析,以获得评论分类结果;所述评论分类结果包括评论类别和情感类别;所述情感类别至少包括正向情感和负向情感;依据至少一业务类型对所述商家的评论分类结果进行处理以获得评论聚合结果;将各业务类型的评论聚合结果分别进行可视化展示。
本申请公开的第三方面提供一种服务器,包括:至少一个存储设备,用于存储至少一个程序;至少一个处理设备,与所述至少一个存储器连接,用于运行所述至少一个程序时以执行并实现如第二方面所述的商家评论管理方法。
本申请公开的第四方面提供一种计算机可读存储介质,存储有至少一个程序,所述程序被处理器执行时执行并实现如第二方面所述的商家评论管理方法。
综上所述,本申请提供的商家评论管理系统、方法、服务器及计算机可读存储介质,通过获取模块获取一或多个平台中的点评用户对所述商家的评论信息,并通过语义分析的方式对所述评论信息进行分析,从而获得包含评论类别和情感类别的评论分类结果,从而获知用户对所述商家所提供的各种类型的服务的好感度或表扬度。同时,通过处理模块对所述评论分类结果进行聚合处理,并通过展示模块将经聚合处理的到的评论聚合结果依据不同的业务类型进行可视化展示,便于商家更加清晰、准确地了解用户对所提供服务的满意程度,便于商家更加方便地对用户的评论进行管理。
本领域技术人员能够从下文的详细描述中容易地洞察到本申请的其它方面和优势。下文的详细描述中仅显示和描述了本申请的示例性实施方式。如本领域技术人员将认识到的,本申请的内容使得本领域技术人员能够对所公开的具体实施方式进行改动而不脱离本申请所涉及发明的精神和范围。相应地,本申请的附图和说明书中的描述仅仅是示例性的,而非为限制性的。
附图说明
本申请所涉及的发明的具体特征如所附权利要求书所显示。通过参考下文中详细描述的示例性实施方式和附图能够更好地理解本申请所涉及发明的特点和优势。对附图简要说明书如下:
图1显示为本申请商家评论管理系统在一实施例中的模块组成框图。
图2A显示为本申请展示模块在一实施例中的示意图。
图2B显示为本申请展示模块在另一实施例中的示意图。
图2C显示为本申请展示模块在又一实施例中的示意图。
图2D显示为本申请展示模块在再一实施例中的示意图。
图2E显示为本申请展示模块在再一实施例中的示意图。
图3显示为本申请商家评论管理方法在一实施例中的流程示意图。
图4显示为本申请服务器在一实施例中的模块组成框图。
具体实施方式
以下由特定的具体实施例说明本申请的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。
在下述描述中,参考附图,附图描述了本申请的若干实施例。应当理解,还可使用其他实施例,并且可以在不背离本公开的精神和范围的情况下进行模块或单元组成、电气以及操作上的改变。下面的详细描述不应所述被认为是限制性的,并且本申请的实施例的范围仅由公布的专利的权利要求所限定。这里使用的术语仅是为了描述特定实施例,而并非旨在限制本申请。
如同在本文中所使用的,单数形式“一”、“一个”和“所述”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时,才会出现所述定义的例外。
目前对商家的服务情况进行评估的方法通常包括人工统计商家的网站、APP以及其他网站上用户的评论内容的方式,或者向用户发起问卷调查的方式,以此来对所述商家所提供的服务进行评估。然而,这种方式所耗费的人力跟踪成本投入高,并且用户的评论表达方式繁复多样,而商家所提供的服务项目种类繁多,难以将用户的评论内容与商家提供的服务项目进行关联。
有鉴于此,本申请提供一种商家评论管理系统,用于向商家提供一种可视化的管理平台,所述商家通过操作所述管理系统能够清楚、直观地了解到用户对所述商家所提供的各类服务的评价内容以及用户的情感类别,便于所述商家对用户的评论内容和自身的服务质量进行监督和管理。所述商家评论管理系统可以为一网站或终端装载的应用程序(例如电脑的桌面应用、手机上的APP和小程序等)。所述终端为装载有APP应用程序或具备网页/网站访问性能的电子设备,包括但不限于台式电脑、笔记本电脑、平板电脑、智能电视、以及智能手机等。所述电子设备还可以是由带有多个虚拟机的主机和对应每个虚拟机的人机交互装置(如触控显示屏、键盘和鼠标)所构成的电子设备。
请参阅图1,显示为本申请商家评论管理系统在一实施例中的模块组成框图。在一些实施例中,所述商家评论管理系统可以被配置在一或多个服务器上。在一些实施例中,所述服务器可以根据功能、负载等多种因素布置在一个或多个实体服务器上。在一些实施例中,所述服务器可以为基于云架构的服务器,所述服务器指的是云计算提供商所提供的云计算平台,所述云计算平台能够提供IaaS(Infrastructure-as-a-Service,基础设施即服务)、PaaS(Platform-as-a-Service,平台即服务)、以及SaaS(Software-as-a-Service,软件即服务)等服务。其中,所述云计算平台包括公共云(Public Cloud)、私有云(PrivateCloud)、以及混合云(Hybrid Cloud)等,例如,美团云计算服务平台、阿里云计算服务平台、百度云计算平台、以及腾讯云计算平台等。在一些实施例中,所述服务器可以由分布的或集中的服务器集群构成。例如,所述服务器集群由至少一台实体服务器构成。每个实体服务器中配置多个虚拟服务器,每个虚拟服务器运行所述系统中的至少一功能模块,各虚拟服务器之间通过网络通信。
具体应用场景中,所述获取模块、分析模块、处理模块、以及展示模块都可以是软件模块,这些软件模块可部署在服务器、或服务器上的虚拟机,或服务器上的容器上;并且这些软件模块可根据实际需求部署在同一服务器上或不同服务器上,本申请不做限定。
如图所示,所述商家评论管理系统包括获取模块101、分析模块102、处理模块103、以及展示模块104。
其中,所述获取模块101用于获取至少一平台的点评用户对一商家的评论信息。所述评论信息可以是一段话、一句话、或者几个词语等。
在一些实施例中,所述商家包括但不限于:旅游景点、景区、度假区、以及游乐场等游玩服务提供商,电影院、剧院、以及博物馆等娱乐服务提供商,酒店、民宿、以及公寓等住宿服务提供商,餐厅、健身房、游泳馆、美容院、以及美发店等生活服务提供商。为了描述简便,本申请将以所述商家为一景区为例进行实施例的说明,以下不再赘述。
应理解,所述点评用户指的是对某一商家发表了评论的用户,例如,所述点评用户可以为在一平台上对一商家发表了评论的用户。其中,所述平台是指利用互联网技术为商家提供商品(产品/服务)展示、购买、预订等服务的服务器系统。该服务器系统可与所述商家评论管理系统位于同一服务器系统上,或者与商家评论管理系统共享评论信息的服务器系统。所述平台至少能够向用户提供发表评论的功能,所述平台包括但不限于美团、美团点评、大众点评、以及其他OTA(Online Travel Agent,在线旅行社)平台等。
在一些实施例中,所述获取模块可以提取存储在本地内存空间、缓存空间的存储介质、或所述存储介质上的一个缓存区(Buffer)中的一或多个平台的点评用户对所述商家的评论信息。其中,所述存储介质可以包括只读存储器、随机存取存储器、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁存储设备、闪存、U盘、移动硬盘、或者能够用于存储具有指令或数据结构形式的期望的程序代码并能够进行存取的任何其它介质。在另一些实施例中,所述获取模块可以提取存储在一数据库中的一或多个平台的点评用户对所述商家的评论信息。其中,所述数据库指的是部署在计算环境中的信息存储和检索系统。在另一些实施例中,所述获取模块还可以通过网络获取等方式获取评论信息。所述获取模块通过网络获取方式获取评论信息例如为:利用爬虫技术通过在互联网上进行抓取并过滤无关的信息,从而获取一或多个平台的点评用户对所述商家的评论信息。
所述分析模块102用于对所述评论信息进行语义分析,以获得评论分类结果;所述评论分类结果包括评论类别和情感类别;所述情感类别至少包括正向情感和负向情感。
在此,所述获取模块将获取到的评论信息发送给所述分析模块,所述分析模块对所接收到的评论信息进行语义分析,从而获得评论分类结果。其中,所述评论分类结果包括评论类别,所述评论类别用以表示所述评论分类结果所能够归类的至少一种评论类别,所述评论类别包括整体评价、安全卫生、位置交通、价格、服务体验、以及游玩体验中的一种或多种的组合。在一些实施例中,所述评论类别可以依据商家的类型的不同而不同。
举例而言,当所述商家为游玩服务提供商(例如为一景区)时,所述评论类别可以是依据所述景区能够提供的服务而定,例如为“整体评价”、“安全卫生”、“位置交通”、“景区票价”、“服务体验”、以及“游玩体验”等评论类别。另如,当所述商家为住宿服务提供商(例如为一酒店)时,所述评论类别可以为“整体评价”、“安全卫生”、“位置交通”、“住宿价格”、“服务体验”、以及“房间舒适度”等评论类别。又如,当所述商家为生活服务提供商(例如为一餐厅)时,所述评论类别可以为“整体评价”、“美味程度”、“食品卫生安全”、“位置交通”、“菜品价格”、“服务体验”、以及“排队时长”等评论类别。再如,当所述商家为娱乐服务提供商(例如为一电影院)时,所述评论类别可以为“整体评价”、“位置交通”、“观影票价格”、“美食小吃”、以及“观影体验”等评论类别。
在一些实施例中,所述评论类别还可以对应有至少一种维度级别。即,所述维度级别包括至少一种级别的分类,各级别下有至少一种评论类别。例如,所述维度级别为三级,第一级维度级别下有“整体评价”、“安全卫生”、“位置交通”、“景区票价”、“服务体验”、以及“游玩体验”等一级评论类别。在各一级评论类别下又分别对应有至少一种二级评论类别。例如,在“整体评价”的一级评论类别下,包括“满意度”、“性价比”、“复购意愿”等二级评论类别。又如,在“位置交通”的一级评论类别下,包括“位置信息”、“交通信息”、“停车信息”等二级评论类别。又如,在“游玩体验”的一级评论类别下,包括“景区购物”、“游玩项目”、“公共基础设施”、“人文关怀”、“风景布局”、“拥挤程度”、“餐饮相关”、“住宿相关”、“购票流程”、“购票方式”、“检票流程”、“安检流程”、以及“特色活动”等二级评论类别。又如,在“安全卫生”的一级评论类别下,包括“安全情况”、“环境卫生”、“消杀防疫”等二级评论类别。又如,在“景区票价”的一级评论类别下,包括“门票价格”、“优待票”、“优惠活动”等二级评论类别。再如,在“服务体验”的一级评论类别下,包括“邮寄及通讯服务”、“导游服务”、“工作人员服务情况”、“基础信息公告”等二级评论类别。在各二级评论类别下又分别对应有至少一种三级评论类别。例如,在“餐饮相关”的二级评论类别下,还可以设置有至少一种三级评论类别,例如“餐饮价格”、“餐厅数量”、“餐厅位置分布”、“餐厅味道”、以及“餐厅种类”等三级评论类别,等等。
所述分析模块通过对所述评论信息进行语义分析,能够将所述评论信息归类至至少一种评论类别中。例如,若一用户针对一景区的评论信息为“虽然票价有点贵,但是玩的挺开心的”,则所述分析模块可以通过语义分析将所述评论信息归类至景区票价和游玩体验两种评论类别中。又如,若一用户针对一景区的评论信息为“位置偏僻”,则所述分析模块可以通过语义分析将所述评论信息归类至位置交通这一评论类别中。
在一些实施例中,所述评论类别可以是利用适用于大数据的数据分析方法/工具而获得的,或利用对数据的统计分析而获得的。例如,通过数据挖掘方法获取互联网中用户对商家的评论信息以及大量评论信息集中于商家提供的哪些类型的服务,从而形成多种评论类别。又如,通过对用户对商家的评论信息进行抽样调查,分析用户更关心商家提供的哪些类型的服务,从而形成多种评论类别。当然并不局限于此,本领域技术人员应当理解,所述示例并非限制具体实施方式的范围;例如,所述评论类别还可以为根据实际需求人为制定的,等等。
其中,所述评论分类结果还包括情感类别,所述情感类别至少包括正向情感和负向情感。在一些实施例中,所述情感类别还包括中性情感。举例而言,所述评论信息中的褒义词(或积极词语、肯定词语)能够用于表示所述评论信息属于正向情感,所述评论信息中的贬义词(或消极词语、否定词语)能够用于表示所述评论信息属于负向情感;当所述评论信息中均不存在褒义词和贬义词、或者无法判断所述评论信息所属的情感类别时,所述评论信息则属于中性情感。例如,所述褒义词可以包括但不限于:“优秀”、“实惠”、以及“开心”等;所述贬义词可以包括但不限于:“糟糕”、“昂贵”、以及“难过”等。
所述分析模块通过对所述评论信息进行语义分析,能够将所述评论信息归类至至少一种情感类别中。例如,若一用户针对一景区的评论信息为“服务简直糟透了”,则所述分析模块可以通过语义分析获得所述评论信息所属的情感类别为负向情感。又如,若一用户针对一景区的评论信息为“体验非常棒”,则所述分析模块可以通过语义分析获得所述评论信息所属的情感类别为正向情感。再如,若一用户针对一景区的评论信息为“感觉一般”,则所述分析模块可以通过语义分析获得所述评论信息所属的情感类别为中性情感。
举例而言,所述分析模块通过语义分析对所述评论信息进行分词处理和停用词处理,并将处理后的评论信息与预先构建的情感词典进行字符串匹配,从而获得所述评论信息的情感类别。所述情感词典中包括积极词语词典、消极词语词典、否定词语词典、程度副词词典等,其中,所述否定词语词典包括但不限于:“不”、“没”、“没有”、“无”、以及“毫无”等用于表示否定意义的副词,所述程度副词词典包括但不限于:“很”、“十分”、“特别”、以及“非常”等用于表示程度的副词。在一些实施例中,所述情感词典例如包括《褒贬义词典》、《台湾大学情感词典》、《知网情感分析用词语集》、以及所述评论信息所对应的商家所属领域的专业情感词典等。
在一些实施例中,所述分析模块对所述评论信息进行语义分析以获得评论分类结果是通过一机器学习模型实现的。所述机器学习模型例如为利用神经网络训练而成的模型,包括但不限于朴素贝叶斯模型、条件随机场模型、最大熵模型、随机森林模型、支持向量机(Support Vector Machines,SVM)分类模型、以及k-临近(k-NearestNeighbor,kNN)分类模型等;所述神经网络例如为前馈神经网络、深度神经网络、递归神经网络、以及长短记忆神经网络等。
举例而言,将预先人工标注有情感类别的评论信息作为训练样本,通过机器学习的方法利用所述训练样本进行训练从而获得训练好的用于情感类别分类的机器学习模型,以供所述分析模块将评论信息输入至所述机器学习模型并获得所述机器学习模型输出的情感类别。
在一些实施例中,所述分析模块包括分析单元和映射单元;其中,所述分析单元用于对所述评论信息进行语义分析,以获得至少一语义特征;所述映射单元用于将所述语义特征映射至预设的多种评论类别和多种情感类别之中,以获得所述评论信息的评论分类结果。
其中,所述语义特征包括子句、词语、以及词语相关性等中的一种或多种。举例而言,所述分析单元通过语义分析将用户的评论信息进行拆分,从而获得多个子句作为语义特征。所述映射单元将所述语义特征与预先设置的多种评论类别和多种情感类别进行映射,从而获得所述评论信息的评论分类结果。
例如,若一用户对一景区的评论信息为:“过山车座椅上有两层安全带,比较有安全感,但是休息区座椅上灰尘太多了,肯定不怎么打扫”,则所述分析单元首先通过语义分析将所述评论信息进行拆分,以获得语义特征A:“过山车座椅上有两层安全带,比较有安全感”和语义特征B:“但是休息区座椅上灰尘太多了,肯定不怎么打扫”。在一些实施例中,所述分析单元还可以对上述语义特征进行进一步拆分,以获得“过山车座椅”、“休息区座椅”、“安全带”、“灰尘”、“打扫”、“比较”、“安全感”、“肯定”、“不”、以及“怎么”等语义特征,以及“过山车座椅”与“安全感”相关联而形成的语义特征、“休息区座椅”、“不”与“打扫”相关联而形成的语义特征。
所述分析单元将获得的语义特征发送给所述映射单元,所述映射单元例如通过一预先设置好的类别-情感映射表,将上述语义特征与所述类别-情感映射表中的各种评论类别和情感类别进行映射,从而获得所述评论信息的至少一评论类别和至少一情感类别,从而获得所述评论分类结果。例如,依据特征“过山车座椅”将语义特征A映射至“游玩设施”的评论类别中,以及,依据特征“安全感”将语义特征A映射至“安全卫生”的评论类别中。又如,依据特征“休息区座椅”将语义特征B映射至“公共设施”的评论类别中,以及,依据特征“灰尘”和“打扫”将语义特征B映射至“安全卫生”的评论类别中。再如,依据“安全感”将语义特征A映射至正向情感的情感类别之中,以及,依据特征“肯定”、“不”、以及“怎么”将语义特征B映射至负向情感的情感类别之中。由此,所述映射单元获得所述评论信息的评论分类结果,例如为:“游玩设施过山车安全性高,用户表扬”和“公共设施卫生状况差,用户批评”等。应理解,上述示例并非限制具体实施方式的范围。
所述处理模块103用于依据至少一业务类型对所述商家的评论分类结果进行处理以获得评论聚合结果。
其中,所述业务类型用于表示依据所述商家的需求/职能/服务而提供的不同的评论处理功能。在一些实施例中,所述业务类型包括评论维护、评分诊断、口碑管理、单元质量、竞争分析、以及营销策略建议中的一种或多种的组合。其中,所述评论维护用于帮助商家查看点评用户的评论信息,并对相应评论信息进行回复,以供与用户进行互动;和/或维护评论信息以供维护商家在互联网中的商家形象。举例而言,依据所述评论维护业务类型对所述评论分类结果进行处理而获得的评论聚合结果,能够向所述商家提供例如对评论信息以及所述评论信息的评论分类结果进行浏览、回复、置顶、收藏、标记、删除、以及举报等管理操作的功能。所述口碑管理用于基于评论信息中倾向性的描述对商家的服务、产品、和经营环境等进行评分,以供商家根据评分获得其在同类商家中经营状况。例如,依据所述口碑管理业务类型对所述评论分类结果进行处理而获得的评论聚合结果,能够向所述商家提供例如对各种评论类别、所述评论类别对应的情感类别的统计结果、所述评论类别对应的评论信息、以及所述情感类别对应的具体设施/项目。所述单元质量用于将评论信息所描述的倾向性建议和意见与商家的职能部门进行关联,以便于通过评论信息中所反映的问题对相应职能部门的工作进行改进。所述竞争分析用于借助一个或多个平台中对同类、甚至同地区不同商家的评论信息的倾向性建议和意见进行比较,以向某一商家提供同类型的其他商家的优势和劣势。所述营销策略建议用于根据经分析评论信息而得到的商家不足之处,向商家提供线上营销建议。例如,依据所述营销策略建议业务类型对所述评论分类结果进行处理而获得的评论聚合结果,能够向所述商家提供用于提高评论的情感类别的正向率的促销手段(例如奖品激励、好评返券等)、以及所述商家采用所述促销手段后的评论信息变化,等等。
应理解,所述业务类型的种类并不局限于上述示例,所述业务类型还可以根据所述商家所属的领域、所述商家对用户的评论信息进行管理时的实际需求、以及所述商家的部门管理等而调整;本领域技术人员应理解任何基于本申请实施例所示出的技术思想对上述业务类型所做出的功能上的增添、删除或变形等适应性修改等改变均在本申请的保护范围之内。
在一些实施例中,所述评论聚合结果包括通过对一或多条评论信息、一或多种评论类别、以及一或多种情感类别中的一种或多种进行聚合处理而获得的结果。所述聚合处理包括但不限于文本聚合、统计处理(例如叠加、取均值、以及计数等)、归纳处理、以及过滤处理等。例如,所述聚合处理包括对某一评论类别对应的各情感类别下全部评论信息的数量的统计,从而获得评论聚合结果。
在此,所述处理模块103根据各业务类型对各平台的评论信息进行情感统计、热词提取、语义统计等处理,并按照展示模块104的展示方式将所得到的评论聚合结果展示在界面中。
所述展示模块104用于将各业务类型的评论聚合结果分别进行可视化展示。在一些实施例中,所述展示模块还用于以文本展示、图表展示、动态图展示、以及视频展示的一种或多种的组合将所述评论聚合结果进行可视化展示。例如,将所述评论信息以文本展示的形式进行可视化展示。又如,将一评论类别下全部评论信息所对应的正向情感和负向情感的比例在一段时间内的变化趋势以动态图展示的形式进行可视化展示。再如,将多个评论类别和对应的情感类别以维度图和表格的形式进行可视化展示,等等。
在一些实施例中,所述展示模块还用于展示依据评论维护业务类型对所述评论分类结果进行处理获得的评论聚合结果。所述评论聚合结果包括至少一筛选组件。其中,所述筛选组件包括但不限于用于反映所述评论信息的情感类别的筛选组件、用于表示所述评论信息的平台来源的筛选组件、以及根据所述评论信息获得的用于反映所述评论信息的情感类别的热度词的筛选组件等中的一种或多种的组合。
为了便于描述所述商家评论管理系统所展示的各业务类型,请参阅图2A,显示为本申请展示模块在一实施例中的示意图。如图所示,所述展示模块例如通过网页界面或应用程序界面的形式将所述商家评论管理系统的各业务类型进行可视化展示,所述业务类型例如为评论维护、评分诊断、口碑管理、单元质量、以及竞争分析等。上述各业务类型并非全部在通过界面展示,在一些示例中,商家评论管理系统依据商家的管理需求而选择性展示。
当所述展示模块展示依据评论维护业务类型对所述评论分类结果进行处理获得的评论聚合结果时,在所述界面上可以显示所述商家的名称(例如景区名称),以及多个筛选组件。所述展示模块通过操作人员触发所述筛选组件,即可展示经所述筛选组件筛选后的信息(例如具体的评论内容)。其中,所述触发的操作包括但不限于点击(例如利用鼠标等输入设备点击、或利用手指触击等)、按压、长按、或者重复触控等操作。
举例而言,所述界面上可以包括显示为“美团”和“点评”的筛选组件,所述筛选组件用于对评论信息的平台来源进行筛选;当操作人员点击显示为“美团”的筛选组件时,所述展示模块在下方显示评论内容的区域对所有来源于美团平台的评论信息进行逐条展示,所述逐条展示可以例如按评论发表日期排序、或按评价满意度排序等。
又如,所述界面上还可以包括显示为不同颜色的筛选组件,以区分不同的情感类别,从而在操作人员点击所述不同颜色的筛选组件时,所述展示模块在下方显示评论内容的区域展示所述情感类别下的全部评论信息。例如,所述筛选组件为红色时用于表示经所述筛选组件筛选的评论信息的情感类别为负向情感,所述筛选组件为蓝色时用于表示经所述筛选组件筛选的评论信息的情感类别为正向情感。或者,所述界面上还可以包括显示为不同字样的筛选组件,以区分不同的情感类别,例如显示为“好评”和“差评”的筛选组件等。
再如,所述界面上还可以包括显示为反映所述评论信息的情感类别的热度词的筛选组件,所述热度词用于反映一段时间内用户更为关心的问题/服务。在一些实施例中,所述热度词可以为通过对评论信息进行大数据分析获得的热度较高(例如频繁出现在多条评论信息中)的词语,例如,所述筛选组件可以显示为“价格高”、“排队久”、“干净”等热度词。在一些实施例中,所述筛选组件显示的热度词和颜色还可以组合进行展示。
此外,所述筛选组件上还可以显示有经所述筛选组件对应的筛选条件下评论信息的数量统计信息,例如所述筛选组件可以显示为蓝色的“好评(500)”,则表示经筛选后表示正向情感的评论信息共有500条。
在一些实施例中,所述展示模块还用于展示依据评论诊断业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括所述评论信息的平台来源,和/或,所述评论信息的诊断维度信息;所述诊断维度信息包括评论质量、评论数量、以及评论分数中的一种或多种。
请参阅图2B,显示为本申请展示模块在另一实施例中的示意图。如图所示,所述界面上可以展示有至少一筛选组件或选择菜单(未示出),所述筛选组件显示为“平台A”、“平台B”、以及“平台C”,以供操作者通过触发所述筛选组件以筛选来源于平台A、平台B、或平台C的评论信息的评论聚合结果。所述评论聚合结果包括但不限于对各平台的评论信息的统计结果,例如,以不同的诊断维度信息进行展示的各平台的评论聚合结果。
举例而言,所述展示模块可以以雷达图的形式,在图中显示为评论统计图的区域展示所述评论信息的诊断维度信息。例如,所述展示模块展示所述商家在美团平台上获得的评论信息中,在评论质量这一诊断维度上获得的评分为4.6分,在评论数量这一诊断维度上获得的评分为4.5分,在评论分数这一诊断维度上获得的评分为4.7分。所述展示模块还可以以表格、折线图的形式展示所述商家的评论统计表和评分变化趋势图表。例如,所述展示模块在显示为评论统计表的区域以表格的形式展示各个诊断维度信息的评分,以及评分的上升或下降趋势。在一些实施例中,所述展示模块还可以展示所述商家的各个诊断维度信息的评分与其他同类型商家的比较结果。又如,所述展示模块在显示为评分变化趋势图表的区域以一或多条折线展示各个诊断维度信息的评分在一段时间(例如一周、一个月、三个月等)的变化趋势。
在一些实施例中,所述展示模块还用于展示依据口碑管理业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括根据评论类别和/或情感类别得到的统计结果,和/或,根据评论类别和/或情感类别筛选得到的评论信息。
请参阅图2C,显示为本申请展示模块在又一实施例中的示意图。如图所示,所述界面上可以展示有各评论类别以及对应的情感类别的统计结果。
举例而言,所述展示模块在显示为评论统计图的区域以雷达图的形式展示一级评论类别所对应的评论信息中反映正向情感的评论信息所占的比例(简称正向率,以下不再赘述),以及反映负向情感的评论信息所占的比例(简称负向率,以下不再赘述)。例如,在安全卫生的一级评论类别下,展示正向情感所占比例为82.1%,负向情感所占比例为13.7%。又如,所述展示模块还可以在显示为评论统计表的区域以表格的形式展示一级评论类别下的二级评论类别的具体情况。例如,各一级评论类别和各二级评论类别所对应的评论信息的数量,以及各一级评论类别和各二级评论类别分别对应的情感类别的统计结果。例如,所述展示模块可以展示“服务体验”的一级评论类别对应有500条评论信息,其中正向率为76.1%,负向率为16.1%;所述展示模块还可以展示所述“服务体验”的一级评论类别下的“拥挤程度”的二级评论类别对应有150条评论信息,其中正向率为57.9%,负向率为24.9%。
又如,所述展示模块还可以展示评论数据概览,例如,直接以文本的形式展示所述商家的评论信息的总数量(即图中的评论总数),以及所述商家的全部评论信息的总体的正向率和负向率。
再如,所述展示模块还可以展示各评论类别的概览。例如,所述展示模块可以展示所述商家在一段时间内的正向率和负向率的变化趋势(即图中的正负向情感类别变化趋势图表)。又如,所述展示模块可以展示根据评论信息的热度词筛选后的情感类别并对所对应的评论信息的数量进行统计后得到的柱状图、饼状图等(即图中的情感类别统计)。再如,所述展示模块还可以展示与所述评论类别相关联的具体游玩设施所对应的评论信息(即评论内容)。所述具体游玩设施是通过所述分析模块对所述评论信息进行语义分析后与评论类别相关联的。
在一些实施例中,所述展示模块还用于展示依据单元质量业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括根据所述评论类别和业务部门的映射关系,获得所述业务部门对应的情感类别的统计结果。
请参阅图2D,显示为本申请展示模块在再一实施例中的示意图。如图所示,在所述界面中所述展示模块还可以根据所述评论类别和业务部门的映射关系,展示所述评论类别所对应的所述商家的不同的业务部门,例如部门A、部门B、以及部门C。又如,所述展示模块根据所述评论类别和业务部门的映射关系,展示对应于各业务部门的评论信息的数量(即评论数量),以及各业务部门对应的各评论类别及对应的情感类别统计。其中,所述映射关系由商家根据业务部门的职能对各评论类别进行划分后得到的。例如,评论类别“园区设施”、“经营状况”、以及“接待能力”对应于部门A的业务范围,所述展示模块还可以在所述界面上展示部门A的全部评论数量、正向率和负向率(或正向情感对应评论数量和负向情感对应的评论数量)。所述展示模块还可以以柱状图、饼状图、折线图等统计图表展示各业务部门所对应的评论数量及情感类别,以及展示所述情感类别所分别对应的全部评论内容。
在一些实施例中,所述获取模块还用于获取所述至少一平台的点评用户对所述商家的同类型商家的评论信息,以供所述分析模块对所述同类型商家的评论信息进行语义分析,以及,以供所述处理模块依据所述至少一业务类型对所述同类型商家的评论分类结果进行处理以获得评论聚合结果。在此,所述获取模块获取所述至少一平台的点评用户对所述商家的同类型商家的评论信息后,将所述评论信息发送给分析模块,所述分析模块对所述同类型商家的评论信息进行语义分析后获得所述同类型商家的评论分类结果,并将所述同类型商家的评论分类结果发送给处理模块,所述处理模块依据所述至少一业务类型对所述同类型商家的评论分类结果进行处理以获得所述同类型商家的评论聚合结果。具体实施例请参照前述实施例中获取模块、分析模块、以及处理模块对商家的评论信息进行处理的实施例,具体方法类似,此处不再赘述。
在一些实施例中,所述展示模块还用于展示所述同类型商家的评论聚合结果与所述商家的评论聚合结果的比较结果。请参阅图2E,显示为本申请展示模块在再一实施例中的示意图。如图所示,所述展示模块还可以在所述界面中展示由至少一评论类别形成的筛选组件,以及所述商家的评论信息与所述同类型商家的评论信息的评论总数及总体的正向率对比表、各评论类别下所述商家的正向率与负向率与所述同类型商家的正向率与负向率横向对比图、所述商家与所述同类型商家的评论信息经聚合后的热度词、热度词排名、及对应的评论信息的数量统计对比表、以及所述商家与所述同类型商家的评论信息所对应的情感类别在一段时间内的变化趋势图,即情感类别趋势对比图表。
举例而言,所述展示模块可以以表格的形式展示所述商家的评论信息的评论总数以及所述商家的正向率,所述同类型商家A的评论信息的评论总数以及所述同类型商家A的正向率,所述同类型商家B的评论信息的评论总数以及所述同类型商家B的正向率,等等。又如,所述展示模块展示所述商家的正向情感的热度词排名依次为“服务体验好”、“环境好”、以及“价格实惠”,负向情感的热度词排名依次为“交通不便”、“设备不完善”、以及“住宿体验差”;展示所述同类型商家C的正向情感的热度词排名依次为“设备完善”、“交通便利”、以及“价格实惠”,负向情感的热度词排名依次为“环境差”、“服务体验差”、以及“住宿体验差”,等等。
应理解,上述实施例中所述展示模块将各业务类型的所述商家的评价聚合结果进行可视化展示的方式仅作为示例性说明,而非对所述展示模块的限制。本领域技术人员应当清楚,所述展示模块还可以以基于评论类别、情感类别、以及评论信息等中的一种或多种的组合并经过统计、聚合、排列、以及过滤等其他任何处理方式从而进行可视化展示。
本申请提供的商家评论管理系统通过获取模块获取一或多个平台中的点评用户对所述商家的评论信息,并通过语义分析的方式对所述评论信息进行分析,从而获得包含评论类别和情感类别的评论分类结果,从而获知用户对所述商家所提供的各种类型的服务的好感度或表扬度。同时,通过处理模块对所述评论分类结果进行聚合处理,并通过展示模块将经聚合处理的到的评论聚合结果依据不同的业务类型进行可视化展示,便于商家更加清晰、准确地了解用户对所提供服务的满意程度,便于商家更加方便地对用户的评论进行管理。
本申请还提供一种商家评论管理方法,所述商家管理方法可以由电子设备或服务器执行,从而向商家提供一种可视化的管理平台,并向所述商家提供用户对所述商家所提供的各类服务的评价内容以及用户的情感类别。以下将以服务器执行所述商家管理方法为示例进行阐述,后文将不再赘述。
其中,所述电子设备包括但不限于台式电脑、笔记本电脑、平板电脑、智能电视、以及智能手机等计算机设备。在一些实施例中,所述电子设备还可以是由带有多个虚拟机的主机和对应每个虚拟机的人机交互装置(如触控显示屏、键盘和鼠标)所构成的电子设备。
在一些实施例中,所述服务器可以根据功能、负载等多种因素布置在一个或多个实体服务器上。在一些实施例中,所述服务器可以为基于云架构的服务器,所述服务器指的是云计算提供商所提供的云计算平台,所述云计算平台能够提供IaaS(Infrastructure-as-a-Service,基础设施即服务)、PaaS(Platform-as-a-Service,平台即服务)、以及SaaS(Software-as-a-Service,软件即服务)等服务。其中,所述云计算平台包括公共云(PublicCloud)、私有云(Private Cloud)、以及混合云(Hybrid Cloud)等,例如,美团云计算服务平台、阿里云计算服务平台、百度云计算平台、以及腾讯云计算平台等。在一些实施例中,所述服务器可以由分布的或集中的服务器集群构成。例如,所述服务器集群由至少一台实体服务器构成。每个实体服务器中配置多个虚拟服务器,每个虚拟服务器运行所述系统中的至少一功能模块,各虚拟服务器之间通过网络通信。
请参阅图3,显示为本申请商家评论管理方法在一实施例中的流程示意图。如图所示,所述方法包括步骤S301、步骤S302、步骤S303、以及步骤S304。
在步骤S301中,获取至少一平台的点评用户对一商家的评论信息。
其中,所述服务器用于获取至少一平台的点评用户对一商家的评论信息。所述评论信息可以是一段话、一句话、或者几个词语等。
在一些实施例中,所述商家包括但不限于:旅游景点、景区、度假区、以及游乐场等游玩服务提供商,电影院、剧院、以及博物馆等娱乐服务提供商,酒店、民宿、以及公寓等住宿服务提供商,餐厅、健身房、游泳馆、美容院、以及美发店等生活服务提供商。为了描述简便,本申请将以所述商家为一景区为例进行实施例的说明,以下不再赘述。
应理解,所述点评用户指的是对某一商家发表了评论的用户,例如,所述点评用户可以为在一平台上对一商家发表了评论的用户。其中,所述平台是指利用互联网技术为商家提供商品(产品/服务)展示、购买、预订等服务的服务器系统。该服务器系统可与所述商家评论管理系统位于同一服务器系统上,或者与商家评论管理系统共享评论信息的服务器系统。所述平台至少能够向用户提供发表评论的功能,所述平台包括但不限于美团、美团点评、大众点评、以及其他OTA(Online Travel Agent,在线旅行社)平台等。
在一些实施例中,所述服务器可以提取存储在本地内存空间、缓存空间的存储介质、或所述存储介质上的一个缓存区(Buffer)中的一或多个平台的点评用户对所述商家的评论信息。其中,所述存储介质可以包括只读存储器、随机存取存储器、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁存储设备、闪存、U盘、移动硬盘、或者能够用于存储具有指令或数据结构形式的期望的程序代码并能够进行存取的任何其它介质。在另一些实施例中,所述服务器可以提取存储在一数据库中的一或多个平台的点评用户对所述商家的评论信息。其中,所述数据库指的是部署在计算环境中的信息存储和检索系统。在另一些实施例中,所述服务器还可以通过网络获取等方式获取评论信息。所述服务器通过网络获取方式获取评论信息例如为:利用爬虫技术通过在互联网上进行抓取并过滤无关的信息,从而获取一或多个平台的点评用户对所述商家的评论信息。
所述服务器用于对所述评论信息进行语义分析,以获得评论分类结果;所述评论分类结果包括评论类别和情感类别;所述情感类别至少包括正向情感和负向情感。
在此,所述服务器对获取到的评论信息进行语义分析,从而获得评论分类结果。其中,所述评论分类结果包括评论类别,所述评论类别用以表示所述评论分类结果所能够归类的至少一种评论类别,所述评论类别包括整体评价、安全卫生、位置交通、价格、服务体验、以及游玩体验中的一种或多种的组合。在一些实施例中,所述评论类别可以依据商家的类型的不同而不同。
举例而言,当所述商家为游玩服务提供商(例如为一景区)时,所述评论类别可以是依据所述景区能够提供的服务而定,例如为“整体评价”、“安全卫生”、“位置交通”、“景区票价”、“服务体验”、以及“游玩体验”等评论类别。另如,当所述商家为住宿服务提供商(例如为一酒店)时,所述评论类别可以为“整体评价”、“安全卫生”、“位置交通”、“住宿价格”、“服务体验”、以及“房间舒适度”等评论类别。又如,当所述商家为生活服务提供商(例如为一餐厅)时,所述评论类别可以为“整体评价”、“美味程度”、“食品卫生安全”、“位置交通”、“菜品价格”、“服务体验”、以及“排队时长”等评论类别。再如,当所述商家为娱乐服务提供商(例如为一电影院)时,所述评论类别可以为“整体评价”、“位置交通”、“观影票价格”、“美食小吃”、以及“观影体验”等评论类别。
在一些实施例中,所述评论类别还可以对应有至少一种维度级别。即,所述维度级别包括至少一种级别的分类,各级别下有至少一种评论类别。例如,所述维度级别为三级,第一级维度级别下有“整体评价”、“安全卫生”、“位置交通”、“景区票价”、“服务体验”、以及“游玩体验”等一级评论类别。在各一级评论类别下又分别对应有至少一种二级评论类别。例如,在“整体评价”的一级评论类别下,包括“满意度”、“性价比”、“复购意愿”等二级评论类别。又如,在“位置交通”的一级评论类别下,包括“位置信息”、“交通信息”、“停车信息”等二级评论类别。又如,在“游玩体验”的一级评论类别下,包括“景区购物”、“游玩项目”、“公共基础设施”、“人文关怀”、“风景布局”、“拥挤程度”、“餐饮相关”、“住宿相关”、“购票流程”、“购票方式”、“检票流程”、“安检流程”、以及“特色活动”等二级评论类别。又如,在“安全卫生”的一级评论类别下,包括“安全情况”、“环境卫生”、“消杀防疫”等二级评论类别。又如,在“景区票价”的一级评论类别下,包括“门票价格”、“优待票”、“优惠活动”等二级评论类别。再如,在“服务体验”的一级评论类别下,包括“邮寄及通讯服务”、“导游服务”、“工作人员服务情况”、“基础信息公告”等二级评论类别。在各二级评论类别下又分别对应有至少一种三级评论类别。例如,在“餐饮相关”的二级评论类别下,还可以设置有至少一种三级评论类别,例如“餐饮价格”、“餐厅数量”、“餐厅位置分布”、“餐厅味道”、以及“餐厅种类”等三级评论类别,等等。
在步骤S302中,对所述评论信息进行语义分析,以获得评论分类结果;所述评论分类结果包括评论类别和情感类别;所述情感类别至少包括正向情感和负向情感。
在此,所述服务器通过对所述评论信息进行语义分析,能够将所述评论信息归类至至少一种评论类别中。例如,若一用户针对一景区的评论信息为“虽然票价有点贵,但是玩的挺开心的”,则所述服务器可以通过语义分析将所述评论信息归类至景区票价和游玩体验两种评论类别中。又如,若一用户针对一景区的评论信息为“位置偏僻”,则所述服务器可以通过语义分析将所述评论信息归类至位置交通这一评论类别中。
在一些实施例中,所述评论类别可以是利用适用于大数据的数据分析方法/工具而获得的,或利用对数据的统计分析而获得的。例如,通过数据挖掘方法获取互联网中用户对商家的评论信息以及大量评论信息集中于商家提供的哪些类型的服务,从而形成多种评论类别。又如,通过对用户对商家的评论信息进行抽样调查,分析用户更关心商家提供的哪些类型的服务,从而形成多种评论类别。当然并不局限于此,本领域技术人员应当理解,所述示例并非限制具体实施方式的范围;例如,所述评论类别还可以为根据实际需求人为制定的,等等。
其中,所述评论分类结果还包括情感类别,所述情感类别至少包括正向情感和负向情感。在一些实施例中,所述情感类别还包括中性情感。举例而言,所述评论信息中的褒义词(或积极词语、肯定词语)能够用于表示所述评论信息属于正向情感,所述评论信息中的贬义词(或消极词语、否定词语)能够用于表示所述评论信息属于负向情感;当所述评论信息中均不存在褒义词和贬义词、或者无法判断所述评论信息所属的情感类别时,所述评论信息则属于中性情感。例如,所述褒义词可以包括但不限于:“优秀”、“实惠”、以及“开心”等;所述贬义词可以包括但不限于:“糟糕”、“昂贵”、以及“难过”等。
所述服务器通过对所述评论信息进行语义分析,能够将所述评论信息归类至至少一种情感类别中。例如,若一用户针对一景区的评论信息为“服务简直糟透了”,则所述服务器可以通过语义分析获得所述评论信息所属的情感类别为负向情感。又如,若一用户针对一景区的评论信息为“体验非常棒”,则所述服务器可以通过语义分析获得所述评论信息所属的情感类别为正向情感。再如,若一用户针对一景区的评论信息为“感觉一般”,则所述服务器可以通过语义分析获得所述评论信息所属的情感类别为中性情感。
举例而言,所述服务器通过语义分析对所述评论信息进行分词处理和停用词处理,并将处理后的评论信息与预先构建的情感词典进行字符串匹配,从而获得所述评论信息的情感类别。所述情感词典中包括积极词语词典、消极词语词典、否定词语词典、程度副词词典等,其中,所述否定词语词典包括但不限于:“不”、“没”、“没有”、“无”、以及“毫无”等用于表示否定意义的副词,所述程度副词词典包括但不限于:“很”、“十分”、“特别”、以及“非常”等用于表示程度的副词。在一些实施例中,所述情感词典例如包括《褒贬义词典》、《台湾大学情感词典》、《知网情感分析用词语集》、以及所述评论信息所对应的商家所属领域的专业情感词典等。
在一些实施例中,所述服务器对所述评论信息进行语义分析以获得评论分类结果是通过一机器学习模型实现的。所述机器学习模型例如为利用神经网络训练而成的模型,包括但不限于朴素贝叶斯模型、条件随机场模型、最大熵模型、随机森林模型、支持向量机(Support Vector Machines,SVM)分类模型、以及k-临近(k-NearestNeighbor,kNN)分类模型等;所述神经网络例如为前馈神经网络、深度神经网络、递归神经网络、以及长短记忆神经网络等。
举例而言,将预先人工标注有情感类别的评论信息作为训练样本,通过机器学习的方法利用所述训练样本进行训练从而获得训练好的用于情感类别分类的机器学习模型,以供所述服务器将评论信息输入至所述机器学习模型并获得所述机器学习模型输出的情感类别。
在一些实施例中,所述步骤S302包括步骤S3021和步骤S3022(未予以图示)。在步骤S3021中,对所述评论信息进行语义分析,以获得至少一语义特征。在步骤S3022中,将所述语义特征映射至预设的多种评论类别和多种情感类别之中,以获得所述评论信息的评论分类结果。
其中,所述语义特征包括子句、词语、以及词语相关性等中的一种或多种。举例而言,所述服务器通过语义分析将用户的评论信息进行拆分,从而获得多个子句作为语义特征;然后,所述服务器将所述语义特征与预先设置的多种评论类别和多种情感类别进行映射,从而获得所述评论信息的评论分类结果。
例如,若一用户对一景区的评论信息为:“过山车座椅上有两层安全带,比较有安全感,但是休息区座椅上灰尘太多了,肯定不怎么打扫”,则所述服务器首先通过语义分析将所述评论信息进行拆分,以获得语义特征A:“过山车座椅上有两层安全带,比较有安全感”和语义特征B:“但是休息区座椅上灰尘太多了,肯定不怎么打扫”。在一些实施例中,所述服务器还可以对上述语义特征进行进一步拆分,以获得“过山车座椅”、“休息区座椅”、“安全带”、“灰尘”、“打扫”、“比较”、“安全感”、“肯定”、“不”、以及“怎么”等语义特征,以及“过山车座椅”与“安全感”相关联而形成的语义特征、“休息区座椅”、“不”与“打扫”相关联而形成的语义特征。
然后,所述服务器例如通过一预先设置好的类别-情感映射表,将上述语义特征与所述类别-情感映射表中的各种评论类别和情感类别进行映射,从而获得所述评论信息的至少一评论类别和至少一情感类别,从而获得所述评论分类结果。例如,依据特征“过山车座椅”将语义特征A映射至“游玩设施”的评论类别中,以及,依据特征“安全感”将语义特征A映射至“安全卫生”的评论类别中。又如,依据特征“休息区座椅”将语义特征B映射至“公共设施”的评论类别中,以及,依据特征“灰尘”和“打扫”将语义特征B映射至“安全卫生”的评论类别中。再如,依据“安全感”将语义特征A映射至正向情感的情感类别之中,以及,依据特征“肯定”、“不”、以及“怎么”将语义特征B映射至负向情感的情感类别之中。由此,所述服务器获得所述评论信息的评论分类结果,例如为:“游玩设施过山车安全性高,用户表扬”和“公共设施卫生状况差,用户批评”等。应理解,上述示例并非限制具体实施方式的范围。
在步骤S303中,依据至少一业务类型对所述商家的评论分类结果进行处理以获得评论聚合结果。
其中,所述业务类型用于表示依据所述商家的需求/职能/服务而提供的不同的评论处理功能。在一些实施例中,所述业务类型包括评论维护、评分诊断、口碑管理、单元质量、竞争分析、以及营销策略建议中的一种或多种的组合。其中,所述评论维护用于帮助商家查看点评用户的评论信息,并对相应评论信息进行回复,以供与用户进行互动;和/或维护评论信息以供维护商家在互联网中的商家形象。举例而言,依据所述评论维护业务类型对所述评论分类结果进行处理而获得的评论聚合结果,能够向所述商家提供例如对评论信息以及所述评论信息的评论分类结果进行浏览、回复、置顶、收藏、标记、删除、以及举报等管理操作的功能。
所述口碑管理用于基于评论信息中倾向性的描述对商家的服务、产品、和经营环境等进行评分,以供商家根据评分获得其在同类商家中经营状况。例如,依据所述口碑管理业务类型对所述评论分类结果进行处理而获得的评论聚合结果,能够向所述商家提供例如对各种评论类别、所述评论类别对应的情感类别的统计结果、所述评论类别对应的评论信息、以及所述情感类别对应的具体设施/项目。所述单元质量用于将评论信息所描述的倾向性建议和意见与商家的职能部门进行关联,以便于通过评论信息中所反映的问题对相应职能部门的工作进行改进。所述竞争分析用于借助一个或多个平台中对同类、甚至同地区不同商家的评论信息的倾向性建议和意见进行比较,以向某一商家提供同类型的其他商家的优势和劣势。所述营销策略建议用于根据经分析评论信息而得到的商家不足之处,向商家提供线上营销建议。例如,依据所述营销策略建议业务类型对所述评论分类结果进行处理而获得的评论聚合结果,能够向所述商家提供用于提高评论的情感类别的正向率的促销手段(例如奖品激励、好评返券等)、以及所述商家采用所述促销手段后的评论信息变化,等等。
应理解,所述业务类型的种类并不局限于上述示例,所述业务类型还可以根据所述商家所属的领域、所述商家对用户的评论信息进行管理时的实际需求、以及所述商家的部门管理等而调整;本领域技术人员应理解任何基于本申请实施例所示出的技术思想对上述业务类型所做出的功能上的增添、删除或变形等适应性修改等改变均在本申请的保护范围之内。
在一些实施例中,所述评论聚合结果包括通过对一或多条评论信息、一或多种评论类别、以及一或多种情感类别中的一种或多种进行聚合处理而获得的结果。所述聚合处理包括但不限于文本聚合、统计处理(例如叠加、取均值、以及计数等)、归纳处理、以及过滤处理等。例如,所述聚合处理包括对某一评论类别对应的各情感类别下全部评论信息的数量的统计,从而获得评论聚合结果。
在此,所述商家评论管理系统根据各业务类型对各平台的评论信息进行情感统计、热词提取、语义统计等处理,并按照预设的展示方式将所得到的评论聚合结果展示在界面中。
在步骤S304中,将各业务类型的评论聚合结果分别进行可视化展示。
在一些实施例中,所述服务器可以以文本展示、图表展示、动态图展示、以及视频展示的一种或多种的组合将所述评论聚合结果进行可视化展示。例如,将所述评论信息以文本展示的形式进行可视化展示。又如,将一评论类别下全部评论信息所对应的正向情感和负向情感的比例在一段时间内的变化趋势以动态图展示的形式进行可视化展示。再如,将多个评论类别和对应的情感类别以维度图和表格的形式进行可视化展示,等等。
在一些实施例中,所述服务器还用于展示依据评论维护业务类型对所述评论分类结果进行处理获得的评论聚合结果。所述评论聚合结果包括至少一筛选组件。其中,所述筛选组件包括但不限于用于反映所述评论信息的情感类别的筛选组件、用于表示所述评论信息的平台来源的筛选组件、以及根据所述评论信息获得的用于反映所述评论信息的情感类别的热度词的筛选组件等中的一种或多种的组合。
为了便于描述所述商家评论管理系统所展示的各业务类型,请再次参阅图2A,如图所示,所述服务器例如通过网页界面或应用程序界面的形式将所述商家评论管理系统的各业务类型进行可视化展示,所述业务类型例如为评论维护、评分诊断、口碑管理、单元质量、以及竞争分析等。当所述服务器展示依据评论维护业务类型对所述评论分类结果进行处理获得的评论聚合结果时,在所述界面上可以显示所述商家的名称(例如景区名称),以及多个筛选组件。所述服务器通过操作人员触发所述筛选组件,即可展示经所述筛选组件筛选后的信息(例如具体的评论内容)。其中,所述触发的操作包括但不限于点击(例如利用鼠标等输入设备点击、或利用手指触击等)、按压、长按、或者重复触控等操作。上述各业务类型并非全部在通过界面展示,在一些示例中,商家评论管理系统依据商家的管理需求而选择性展示.
举例而言,所述界面上可以包括显示为“美团”和“点评”的筛选组件,所述筛选组件用于对评论信息的平台来源进行筛选;当操作人员点击显示为“美团”的筛选组件时,所述服务器在下方显示评论内容的区域对所有来源于美团平台的评论信息进行逐条展示,所述逐条展示可以例如按评论发表日期排序、或按评价满意度排序等。
又如,所述界面上还可以包括显示为不同颜色的筛选组件,以区分不同的情感类别,从而在操作人员点击所述不同颜色的筛选组件时,所述服务器在下方显示评论内容的区域展示所述情感类别下的全部评论信息。例如,所述筛选组件为红色时用于表示经所述筛选组件筛选的评论信息的情感类别为负向情感,所述筛选组件为蓝色时用于表示经所述筛选组件筛选的评论信息的情感类别为正向情感。或者,所述界面上还可以包括显示为不同字样的筛选组件,以区分不同的情感类别,例如显示为“好评”和“差评”的筛选组件等。
再如,所述界面上还可以包括显示为反映所述评论信息的情感类别的热度词的筛选组件,所述热度词用于反映一段时间内用户更为关心的问题/服务。在一些实施例中,所述热度词可以为通过对评论信息进行大数据分析获得的热度较高(例如频繁出现在多条评论信息中)的词语,例如,所述筛选组件可以显示为“价格高”、“排队久”、“干净”等热度词。在一些实施例中,所述筛选组件显示的热度词和颜色还可以组合进行展示。
此外,所述筛选组件上还可以显示有经所述筛选组件对应的筛选条件下评论信息的数量统计信息,例如所述筛选组件可以显示为蓝色的“好评(500)”,则表示经筛选后表示正向情感的评论信息共有500条。
在一些实施例中,所述服务器还用于展示依据评论诊断业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括所述评论信息的平台来源,和/或,所述评论信息的诊断维度信息;所述诊断维度信息包括评论质量、评论数量、以及评论分数中的一种或多种。
请再次参阅图2B,如图所示,所述界面上可以展示有至少一筛选组件或选择菜单(未示出),所述筛选组件显示为“平台A”、“平台B”、以及“平台C”,以供操作者通过触发所述筛选组件以筛选来源于平台A、平台B、或平台C的评论信息的评论聚合结果。所述评论聚合结果包括但不限于对各平台的评论信息的统计结果,例如,以不同的诊断维度信息进行展示的各平台的评论聚合结果。
举例而言,所述服务器可以以雷达图的形式,在图中显示为评论统计图的区域展示所述评论信息的诊断维度信息。例如,所述服务器展示所述商家在美团平台上获得的评论信息中,在评论质量这一诊断维度上获得的评分为4.6分,在评论数量这一诊断维度上获得的评分为4.5分,在评论分数这一诊断维度上获得的评分为4.7分。所述服务器还可以以表格、折线图的形式展示所述商家的评论统计表和评分变化趋势图表。例如,所述服务器在显示为评论统计表的区域以表格的形式展示各个诊断维度信息的评分,以及评分的上升或下降趋势。在一些实施例中,所述服务器还可以展示所述商家的各个诊断维度信息的评分与其他同类型商家的比较结果。又如,所述服务器在显示为评分变化趋势图表的区域以一或多条折线展示各个诊断维度信息的评分在一段时间(例如一周、一个月、三个月等)的变化趋势。
在一些实施例中,所述服务器还用于展示依据口碑管理业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括根据评论类别和/或情感类别得到的统计结果,和/或,根据评论类别和/或情感类别筛选得到的评论信息。
请再次参阅图2C,如图所示,所述界面上可以展示有各评论类别以及对应的情感类别的统计结果。
举例而言,所述服务器在显示为评论统计图的区域以雷达图的形式展示一级评论类别所对应的评论信息中反映正向情感的评论信息所占的比例(简称正向率,以下不再赘述),以及反映负向情感的评论信息所占的比例(简称负向率,以下不再赘述)。例如,在安全卫生的一级评论类别下,展示正向情感所占比例为82.1%,负向情感所占比例为13.7%。又如,所述服务器还可以在显示为评论统计表的区域以表格的形式展示一级评论类别下的二级评论类别的具体情况。例如,各一级评论类别和各二级评论类别所对应的评论信息的数量,以及各一级评论类别和各二级评论类别分别对应的情感类别的统计结果。例如,所述服务器可以展示“服务体验”的一级评论类别对应有500条评论信息,其中正向率为76.1%,负向率为16.1%;所述服务器还可以展示所述“服务体验”的一级评论类别下的“拥挤程度”的二级评论类别对应有150条评论信息,其中正向率为57.9%,负向率为24.9%。
又如,所述服务器还可以展示评论数据概览,例如,直接以文本的形式展示所述商家的评论信息的总数量(即图中的评论总数),以及所述商家的全部评论信息的总体的正向率和负向率。
再如,所述服务器还可以展示各评论类别的具体概览。例如,所述服务器可以展示所述商家在一段时间内的正向率和负向率的变化趋势(即图中的正负向情感类别变化趋势图表)。又如,所述服务器可以展示根据评论信息的热度词筛选后的情感类别并对所对应的评论信息的数量进行统计后得到的柱状图、饼状图等(即图中的情感类别统计)。再如,所述服务器还可以展示与所述评论类别相关联的具体游玩设施所对应的评论信息(即评论内容)。所述具体游玩设施是通过所述分析模块对所述评论信息进行语义分析后与评论类别相关联的。
在一些实施例中,所述服务器还用于展示依据单元质量业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括根据所述评论类别和业务部门的映射关系,获得所述业务部门对应的情感类别的统计结果。
请再次参阅图2D,如图所示,例如,在所述界面中所述服务器还可以根据所述评论类别和业务部门的映射关系,展示所述评论类别所对应的所述商家的不同的业务部门,例如部门A、部门B、以及部门C。又如,所述服务器根据所述评论类别和业务部门的映射关系,展示对应于各业务部门的评论信息的数量(即评论数量),以及各业务部门对应的各评论类别及对应的情感类别统计。例如,评论类别“园区设施”、“经营状况”、以及“接待能力”对应于部门A的业务范围,所述服务器还可以在所述界面上展示部门A的全部评论数量、正向率和负向率(或正向情感对应评论数量和负向情感对应的评论数量)。所述服务器还可以以柱状图、饼状图、折线图等统计图表展示各业务部门所对应的评论数量及情感类别,以及展示所述情感类别所分别对应的全部评论内容。
在一些实施例中,所述获取模块还用于获取所述至少一平台的点评用户对所述商家的同类型商家的评论信息,以供所述分析模块对所述同类型商家的评论信息进行语义分析,以及,以供所述处理模块依据所述至少一业务类型对所述同类型商家的评论分类结果进行处理以获得评论聚合结果。在此,所述获取模块获取所述至少一平台的点评用户对所述商家的同类型商家的评论信息后,将所述评论信息发送给分析模块,所述分析模块对所述同类型商家的评论信息进行语义分析后获得所述同类型商家的评论分类结果,并将所述同类型商家的评论分类结果发送给处理模块,所述处理模块依据所述至少一业务类型对所述同类型商家的评论分类结果进行处理以获得所述同类型商家的评论聚合结果。具体实施例请参照前述实施例中获取模块、分析模块、以及处理模块对商家的评论信息进行处理的实施例,具体方法类似,此处不再赘述。
在一些实施例中,所述服务器还用于展示所述同类型商家的评论聚合结果与所述商家的评论聚合结果的比较结果。请再次参阅图2E,如图所示,所述服务器还可以在所述界面中展示由至少一评论类别形成的筛选组件,以及所述商家的评论信息与所述同类型商家的评论信息的评论总数及总体的正向率对比表、各评论类别下所述商家的正向率与负向率与所述同类型商家的正向率与负向率横向对比图、所述商家与所述同类型商家的评论信息经聚合后的热度词、热度词排名、及对应的评论信息的数量统计对比表、以及所述商家与所述同类型商家的评论信息所对应的情感类别在一段时间内的变化趋势图,即情感类别趋势对比图表。
举例而言,所述服务器可以以表格的形式展示所述商家的评论信息的评论总数以及所述商家的正向率,所述同类型商家A的评论信息的评论总数以及所述同类型商家A的正向率,所述同类型商家B的评论信息的评论总数以及所述同类型商家B的正向率,等等。又如,所述服务器展示所述商家的正向情感的热度词排名依次为“服务体验好”、“环境好”、以及“价格实惠”,负向情感的热度词排名依次为“交通不便”、“设备不完善”、以及“住宿体验差”;展示所述同类型商家C的正向情感的热度词排名依次为“设备完善”、“交通便利”、以及“价格实惠”,负向情感的热度词排名依次为“环境差”、“服务体验差”、以及“住宿体验差”,等等。
应理解,上述实施例中所述服务器将各业务类型的所述商家的评价聚合结果进行可视化展示的方式仅作为示例性说明,而非对所述服务器的展示方式的限制。本领域技术人员应当清楚,所述服务器还可以以基于评论类别、情感类别、以及评论信息等中的一种或多种的组合并经过统计、聚合、排列、以及过滤等其他任何处理方式从而进行可视化展示。
本申请提供的商家评论管理方法通过获取一或多个平台中的点评用户对所述商家的评论信息,并通过语义分析的方式对所述评论信息进行分析,从而获得包含评论类别和情感类别的评论分类结果,从而获知用户对所述商家所提供的各种类型的服务的好感度或表扬度。同时,通过对所述评论分类结果进行聚合处理,并将经聚合处理的到的评论聚合结果依据不同的业务类型进行可视化展示,便于商家更加清晰、准确地了解用户对所提供服务的满意程度,便于商家更加方便地对用户的评论进行管理。
本申请还提供一种服务器,用于执行图3所示的实施例所述的商家评论管理方法。在一些实施例中,所述服务器可以根据功能、负载等多种因素布置在一个或多个实体服务器上。在一些实施例中,所述服务器可以为基于云架构的服务器,所述服务器指的是云计算提供商所提供的云计算平台,所述云计算平台能够提供IaaS(Infrastructure-as-a-Service,基础设施即服务)、PaaS(Platform-as-a-Service,平台即服务)、以及SaaS(Software-as-a-Service,软件即服务)等服务。其中,所述云计算平台包括公共云(PublicCloud)、私有云(Private Cloud)、以及混合云(Hybrid Cloud)等,例如,美团云计算服务平台、阿里云计算服务平台、百度云计算平台、以及腾讯云计算平台等。在一些实施例中,所述服务器可以由分布的或集中的服务器集群构成。例如,所述服务器集群由至少一台实体服务器构成。每个实体服务器中配置多个虚拟服务器,每个虚拟服务器运行所述系统中的至少一功能模块,各虚拟服务器之间通过网络通信。
请参阅图4,显示为本申请服务器在一实施例中的模块组成框图。如图所示,所述服务器4包括至少一个存储设备401和至少一个处理设备402。
其中,所述存储设备用于存储至少一个程序。在实施例中,所述存储设备包括存储服务器或者存储器,所述存储器可包括高速随机存取存储器,并且还可包括非易失性存储器,例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。在某些实施例中,所述存储设备还可以包括远离一个或多个处理器的存储器,例如经由RF电路或外部端口以及通信网络(未示出)访问的网络附加存储器,其中所述通信网络可以是因特网、一个或多个内部网、局域网、广域网、存储局域网等,或其适当组合。存储器控制器可控制设备的诸如CPU和外设接口之类的其他组件对存储器的访问。
所述处理设备与所述存储设备连接,用于运行所述至少一个程序时以执行并实现图3对应实施例所述的商家评论管理方法所描述的至少一种实施例。所述处理设备例如为包括处理器的服务器,比如应用服务器等,所述处理器可操作地与存储器和/或非易失性存储设备耦接。更具体地,处理设备可执行在存储器和/或非易失性存储设备中存储的指令以在计算设备中执行操作,诸如生成图像数据和/或将图像数据传输到电子显示器。如此,处理设备可包括一个或多个通用微处理器、一或多个专用处理器、一个或多个现场可编程逻辑阵列、或它们的任何组合。
本申请提供的服务器通过获取一或多个平台中的点评用户对所述商家的评论信息,并通过语义分析的方式对所述评论信息进行分析,从而获得包含评论类别和情感类别的评论分类结果,从而获知用户对所述商家所提供的各种类型的服务的好感度或表扬度。同时,通过对所述评论分类结果进行聚合处理,并将经聚合处理的到的评论聚合结果依据不同的业务类型进行可视化展示,便于商家更加清晰、准确地了解用户对所提供服务的满意程度,便于商家更加方便地对用户的评论进行管理。
本申请还提供一种计算机可读写存储介质,存储有计算机程序,所述计算机程序被执行时实现上述针对商家评论管理方法所描述的至少一种实施例,比如图3所描述的实施例。
所述功能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,可以存储在一个计算机可读取存储介质中。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或者所述技术方案的部分可以以软件产品的形式体现出来,所述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,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
于本申请提供的实施例中,所述计算机可读写存储介质可以包括只读存储器、随机存取存储器、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁存储设备、闪存、U盘、移动硬盘、或者能够用于存储具有指令或数据结构形式的期望的程序代码并能够由计算机进行存取的任何其它介质。另外,任何连接都可以适当地称为计算机可读介质。例如,如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(DSL)或者诸如红外线、无线电和微波之类的无线技术,从网站、服务器或其它远程源发送的,则所述同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线电和微波之类的无线技术包括在所述介质的定义中。然而,应当理解的是,计算机可读写存储介质和数据存储介质不包括连接、载波、信号或者其它暂时性介质,而是旨在针对于非暂时性、有形的存储介质。如申请中所使用的磁盘和光盘包括压缩光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘,其中,磁盘通常磁性地复制数据,而光盘则用激光来光学地复制数据。
在一个或多个示例性方面,本申请所述方法的计算机程序所描述的功能可以用硬件、软件、固件或其任意组合的方式来实现。当用软件实现时,可以将这些功能作为一个或多个指令或代码存储或传送到计算机可读介质上。本申请所公开的方法或算法的步骤可以用处理器可执行软件模块来体现,其中处理器可执行软件模块可以位于有形、非临时性计算机可读写存储介质上。有形、非临时性计算机可读写存储介质可以是计算机能够存取的任何可用介质。
本申请上述的附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。基于此,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这根据所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以通过执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以通过专用硬件与计算机指令的组合来实现。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (28)
1.一种商家评论管理系统,其特征在于,包括:
获取模块,用于获取至少一平台的点评用户对一商家的评论信息;
分析模块,用于对所述评论信息进行语义分析,以获得评论分类结果;所述评论分类结果包括评论类别和情感类别;所述情感类别至少包括正向情感和负向情感;
处理模块,用于依据至少一业务类型对所述商家的评论分类结果进行处理以获得评论聚合结果;
展示模块,用于将各业务类型的评论聚合结果分别进行可视化展示。
2.根据权利要求1所述的商家评论管理系统,其特征在于,所述分析模块包括:
分析单元,用于对所述评论信息进行语义分析,以获得至少一语义特征;
映射单元,用于将所述语义特征映射至预设的多种评论类别和多种情感类别之中,以获得所述评论信息的评论分类结果。
3.根据权利要求1所述的商家评论管理系统,其特征在于,所述分析模块对所述评论信息进行语义分析以获得评论分类结果是通过一机器学习模型实现的。
4.根据权利要求1所述的商家评论管理系统,其特征在于,所述评论类别包括整体评价、安全卫生、位置交通、价格、服务体验、以及游玩体验中的一种或多种的组合。
5.根据权利要求1所述的商家评论管理系统,其特征在于,所述业务类型包括评论维护、评分诊断、口碑管理、单元质量、竞争分析、以及营销策略建议中的一种或多种的组合。
6.根据权利要求1所述的商家评论管理系统,其特征在于,所述展示模块还用于以文本展示、图表展示、动态图展示、以及视频展示的一种或多种的组合将所述评论聚合结果进行可视化展示。
7.根据权利要求1所述的商家评论管理系统,其特征在于,所述展示模块还用于展示依据评论维护业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括用于反映所述评论信息的情感类别的筛选组件,和/或,所述评论信息的平台来源的筛选组件。
8.根据权利要求7所述的商家评论管理系统,其特征在于,所述筛选组件包括根据所述评论信息获得的用于反映所述评论信息的情感类别的热度词。
9.根据权利要求1所述的商家评论管理系统,其特征在于,所述展示模块还用于展示依据评论诊断业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括所述评论信息的平台来源,和/或,所述评论信息的诊断维度信息;所述诊断维度信息包括评论质量、评论数量、以及评论分数中的一种或多种。
10.根据权利要求1所述的商家评论管理系统,其特征在于,所述展示模块还用于展示依据口碑管理业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括根据评论类别和/或情感类别得到的统计结果,和/或,根据评论类别和/或情感类别筛选得到的评论信息。
11.根据权利要求1所述的商家评论管理系统,其特征在于,所述获取模块还用于获取所述至少一平台的点评用户对所述商家的同类型商家的评论信息,以供所述分析模块对所述同类型商家的评论信息进行语义分析,以及,以供所述处理模块依据所述至少一业务类型对所述同类型商家的评论分类结果进行处理以获得评论聚合结果。
12.根据权利要求11所述的商家评论管理系统,其特征在于,所述展示模块还用于展示所述同类型商家的评论聚合结果与所述商家的评论聚合结果的比较结果。
13.根据权利要求1所述的商家评论管理系统,其特征在于,所述展示模块还用于展示依据单元质量业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括根据所述评论类别和业务部门的映射关系,获得所述业务部门对应的情感类别的统计结果。
14.一种商家评论管理方法,其特征在于,包括如下步骤:
获取至少一平台的点评用户对一商家的评论信息;
对所述评论信息进行语义分析,以获得评论分类结果;所述评论分类结果包括评论类别和情感类别;所述情感类别至少包括正向情感和负向情感;
依据至少一业务类型对所述商家的评论分类结果进行处理以获得评论聚合结果;以及
将各业务类型的评论聚合结果分别进行可视化展示。
15.根据权利要求14所述的商家评论管理方法,其特征在于,包括如下步骤:
对所述评论信息进行语义分析,以获得至少一语义特征;以及
将所述语义特征映射至预设的多种评论类别和多种情感类别之中,以获得所述评论信息的评论分类结果。
16.根据权利要求14所述的商家评论管理方法,其特征在于,所述对所述评论信息进行语义分析以获得评论分类结果是通过一机器学习模型实现的。
17.根据权利要求14所述的商家评论管理方法,其特征在于,所述评论类别包括整体评价、安全卫生、位置交通、价格、服务体验、以及游玩体验中的一种或多种的组合。
18.根据权利要求14所述的商家评论管理方法,其特征在于,所述业务类型包括评论维护、评分诊断、口碑管理、单元质量、竞争分析、以及营销策略建议中的一种或多种的组合。
19.根据权利要求14所述的商家评论管理方法,其特征在于,所述可视化展示包括以文本展示、图表展示、动态图展示、以及视频展示的一种或多种的组合将所述评论聚合结果进行可视化展示。
20.根据权利要求14所述的商家评论管理方法,其特征在于,还包括如下步骤:展示依据评论维护业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括用于反映所述评论信息的情感类别的筛选组件,和/或,所述评论信息的平台来源的筛选组件。
21.根据权利要求20所述的商家评论管理方法,其特征在于,所述筛选组件包括根据所述评论信息获得的用于反映所述评论信息的情感类别的热度词。
22.根据权利要求14所述的商家评论管理方法,其特征在于,还包括如下步骤:展示依据评论诊断业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括所述评论信息的平台来源,和/或,所述评论信息的诊断维度信息;所述诊断维度信息包括评论质量、评论数量、以及评论分数中的一种或多种。
23.根据权利要求14所述的商家评论管理方法,其特征在于,还包括如下步骤:展示依据口碑管理业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括根据评论类别和/或情感类别得到的统计结果,和/或,根据评论类别和/或情感类别筛选得到的评论信息。
24.根据权利要求14所述的商家评论管理方法,其特征在于,还包括如下步骤:获取所述至少一平台的点评用户对所述商家的同类型商家的评论信息,以供所述分析模块对所述同类型商家的评论信息进行语义分析,以及,以供所述处理模块依据所述至少一业务类型对所述同类型商家的评论分类结果进行处理以获得评论聚合结果。
25.根据权利要求24所述的商家评论管理方法,其特征在于,还包括如下步骤:展示所述同类型商家的评论聚合结果与所述商家的评论聚合结果的比较结果。
26.根据权利要求14所述的商家评论管理方法,其特征在于,还包括如下步骤:展示依据单元质量业务类型对所述评论分类结果进行处理获得的评论聚合结果,所述评论聚合结果包括根据所述评论类别和业务部门的映射关系,获得所述业务部门对应的情感类别的统计结果。
27.一种服务器,其特征在于,包括:
至少一个存储设备,用于存储至少一个程序;
至少一个处理设备,与所述至少一个存储设备连接,用于运行所述至少一个程序时以执行并实现如权利要求14-26所述的商家评论管理方法。
28.一种计算机可读存储介质,其特征在于,存储有至少一个程序,所述程序被处理器执行时执行并实现如权利要求14-26所述的商家评论管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010262283.2A CN111523923B (zh) | 2020-04-06 | 2020-04-06 | 商家评论管理系统、方法、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010262283.2A CN111523923B (zh) | 2020-04-06 | 2020-04-06 | 商家评论管理系统、方法、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111523923A true CN111523923A (zh) | 2020-08-11 |
CN111523923B CN111523923B (zh) | 2023-09-29 |
Family
ID=71902461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010262283.2A Active CN111523923B (zh) | 2020-04-06 | 2020-04-06 | 商家评论管理系统、方法、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111523923B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111930927A (zh) * | 2020-08-21 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 评价信息展示方法、装置、电子设备及可读存储介质 |
CN112073757A (zh) * | 2020-08-13 | 2020-12-11 | 北京奇艺世纪科技有限公司 | 情绪波动指数获取方法、显示方法及多媒体内容制作方法 |
CN112233108A (zh) * | 2020-11-05 | 2021-01-15 | 深圳市丽湖软件有限公司 | 一种基于递归算法的质量评价方法 |
CN112598427A (zh) * | 2020-12-14 | 2021-04-02 | 珠海格力电器股份有限公司 | 售后服务的方法、装置、电子设备及存储介质 |
CN112989200A (zh) * | 2021-03-31 | 2021-06-18 | 珠海必要工业科技股份有限公司 | 商品使用信息的提供方法、基于评论信息改进关联信息方法 |
CN113409067A (zh) * | 2021-05-07 | 2021-09-17 | 支付宝(杭州)信息技术有限公司 | 一种用户交互方法、装置以及设备 |
CN113449169A (zh) * | 2021-09-01 | 2021-09-28 | 广州越创智数信息科技有限公司 | 一种基于rpa的舆情数据获取方法及系统 |
CN113987168A (zh) * | 2021-10-12 | 2022-01-28 | 江苏科技大学 | 基于机器学习的商家评论分析系统及方法 |
WO2023159766A1 (zh) * | 2022-02-22 | 2023-08-31 | 平安科技(深圳)有限公司 | 餐饮数据分析方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462363A (zh) * | 2014-12-08 | 2015-03-25 | 百度在线网络技术(北京)有限公司 | 评论点的展现方法和装置 |
CN108090121A (zh) * | 2017-11-07 | 2018-05-29 | 曙光信息产业(北京)有限公司 | 图书评论挖掘系统及方法 |
CN108364199A (zh) * | 2018-02-28 | 2018-08-03 | 北京搜狐新媒体信息技术有限公司 | 一种基于互联网用户评论的数据分析方法及系统 |
CN108446813A (zh) * | 2017-12-19 | 2018-08-24 | 清华大学 | 一种电商服务质量综合评价的方法 |
CN110069620A (zh) * | 2019-04-30 | 2019-07-30 | 上海掌门科技有限公司 | 评论信息展示方法、装置、电子设备及介质 |
CN110119445A (zh) * | 2018-01-15 | 2019-08-13 | 北京京东尚科信息技术有限公司 | 生成特征向量和基于特征向量进行文本分类的方法和装置 |
-
2020
- 2020-04-06 CN CN202010262283.2A patent/CN111523923B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462363A (zh) * | 2014-12-08 | 2015-03-25 | 百度在线网络技术(北京)有限公司 | 评论点的展现方法和装置 |
CN108090121A (zh) * | 2017-11-07 | 2018-05-29 | 曙光信息产业(北京)有限公司 | 图书评论挖掘系统及方法 |
CN108446813A (zh) * | 2017-12-19 | 2018-08-24 | 清华大学 | 一种电商服务质量综合评价的方法 |
CN110119445A (zh) * | 2018-01-15 | 2019-08-13 | 北京京东尚科信息技术有限公司 | 生成特征向量和基于特征向量进行文本分类的方法和装置 |
CN108364199A (zh) * | 2018-02-28 | 2018-08-03 | 北京搜狐新媒体信息技术有限公司 | 一种基于互联网用户评论的数据分析方法及系统 |
CN110069620A (zh) * | 2019-04-30 | 2019-07-30 | 上海掌门科技有限公司 | 评论信息展示方法、装置、电子设备及介质 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112073757A (zh) * | 2020-08-13 | 2020-12-11 | 北京奇艺世纪科技有限公司 | 情绪波动指数获取方法、显示方法及多媒体内容制作方法 |
CN111930927A (zh) * | 2020-08-21 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 评价信息展示方法、装置、电子设备及可读存储介质 |
CN111930927B (zh) * | 2020-08-21 | 2024-03-12 | 腾讯科技(深圳)有限公司 | 评价信息展示方法、装置、电子设备及可读存储介质 |
CN112233108A (zh) * | 2020-11-05 | 2021-01-15 | 深圳市丽湖软件有限公司 | 一种基于递归算法的质量评价方法 |
CN112598427A (zh) * | 2020-12-14 | 2021-04-02 | 珠海格力电器股份有限公司 | 售后服务的方法、装置、电子设备及存储介质 |
CN112989200A (zh) * | 2021-03-31 | 2021-06-18 | 珠海必要工业科技股份有限公司 | 商品使用信息的提供方法、基于评论信息改进关联信息方法 |
CN113409067A (zh) * | 2021-05-07 | 2021-09-17 | 支付宝(杭州)信息技术有限公司 | 一种用户交互方法、装置以及设备 |
CN113449169A (zh) * | 2021-09-01 | 2021-09-28 | 广州越创智数信息科技有限公司 | 一种基于rpa的舆情数据获取方法及系统 |
CN113987168A (zh) * | 2021-10-12 | 2022-01-28 | 江苏科技大学 | 基于机器学习的商家评论分析系统及方法 |
WO2023159766A1 (zh) * | 2022-02-22 | 2023-08-31 | 平安科技(深圳)有限公司 | 餐饮数据分析方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111523923B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111523923B (zh) | 商家评论管理系统、方法、服务器及存储介质 | |
Li et al. | Making restaurant reviews useful and/or enjoyable? The impacts of temporal, explanatory, and sensory cues | |
US11748555B2 (en) | Systems and methods for machine content generation | |
Ibrahim et al. | A text analytics approach for online retailing service improvement: Evidence from Twitter | |
Eslami et al. | Which online reviews do consumers find most helpful? A multi-method investigation | |
Klostermann et al. | Extracting brand information from social networks: Integrating image, text, and social tagging data | |
US10242387B2 (en) | Managing a set of offers using a dialogue | |
Foreman | Data smart: Using data science to transform information into insight | |
Zheng et al. | Identifying unreliable online hospitality reviews with biased user-given ratings: A deep learning forecasting approach | |
US20200410531A1 (en) | Methods, systems, and apparatus for enhancing electronic commerce using social media | |
Lee et al. | Unpacking the emotions behind TripAdvisor travel reviews: The case study of Gatlinburg, Tennessee | |
US20170053299A1 (en) | System and methods for effectively taking surveys using mobile devices | |
US20140081706A1 (en) | Industry Specific Brand Benchmarking System Based On Social Media Strength Of A Brand | |
Situmeang et al. | Looking beyond the stars: A description of text mining technique to extract latent dimensions from online product reviews | |
US11615485B2 (en) | System and method for predicting engagement on social media | |
KR102458510B1 (ko) | 실시간 보완 가능한 마케팅 시스템 | |
AU2018236707A1 (en) | Virtual artificial intelligence based consultant | |
WO2015101161A1 (zh) | 一种用于生成与目标系统对应的用户页面方法和装置 | |
Yang et al. | sdtm: A supervised bayesian deep topic model for text analytics | |
Ma et al. | Image-mining: exploring the impact of video content on the success of crowdfunding | |
Kim et al. | Competitive intelligence in Korean Ramen market using text mining and sentiment analysis | |
Fan | What makes consumer perception of online review helpfulness: Synthesizing the past to guide future research | |
CN107368506A (zh) | 非结构化数据分析系统和方法 | |
JP7454630B2 (ja) | ラベル推奨モデルのトレーニング方法及び装置、ラベル取得方法及び装置 | |
WO2023159766A1 (zh) | 餐饮数据分析方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |