CN114004796A - 用户评价结果的获取方法、装置、服务器和存储介质 - Google Patents

用户评价结果的获取方法、装置、服务器和存储介质 Download PDF

Info

Publication number
CN114004796A
CN114004796A CN202111248391.5A CN202111248391A CN114004796A CN 114004796 A CN114004796 A CN 114004796A CN 202111248391 A CN202111248391 A CN 202111248391A CN 114004796 A CN114004796 A CN 114004796A
Authority
CN
China
Prior art keywords
evaluation
image
picture
comment information
evaluation score
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
CN202111248391.5A
Other languages
English (en)
Inventor
赵俊杰
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.)
Weikun Shanghai Technology Service Co Ltd
Original Assignee
Weikun Shanghai Technology Service 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 Weikun Shanghai Technology Service Co Ltd filed Critical Weikun Shanghai Technology Service Co Ltd
Priority to CN202111248391.5A priority Critical patent/CN114004796A/zh
Publication of CN114004796A publication Critical patent/CN114004796A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及人工智能技术，公开了一种用户评价结果的获取方法、装置、服务器及存储介质，该方法包括：获取目标商品的用户评论信息，并确定用户评论信息的评价类型；若评价类型包括评价视频，则对评价视频进行转帧处理，获取帧图片；根据待比对图片与目标商品的标准商品图片的相似度比对结果，获取用户评论信息的图像评价得分；根据用户评论信息的图像评价得分，获取用户评论信息的用户评价结果。本发明实施例提供的技术方案，确保获取用户评论信息的完整性，避免由于用户评论信息中图像内容的缺失，导致用户评价结果不准确，图像评价得分客观的反映了目标商品的真实信息，确保了用户对目标商品的客观评价。

Description

用户评价结果的获取方法、装置、服务器和存储介质
技术领域
本发明实施例涉及人工智能，尤其涉及一种用户评价结果的获取方法、装置、服务器和存储介质。
背景技术
用户的评论信息反应了用户对商品的满意程度，对于获取用户的体验感受以及商品的质量评价，均有重要意义。
现有技术中，通常是对用户的文字评论提取关键词，并进行关键词的语义分析，根据用户评论信息中出现的、表示用户情绪和评价结果的关键词，确定用户对商品的满意程度。
然而随着网络的发展，图片和视频也逐渐成为用户评论信息的重要组成部分，而上述用户评论结果的获取方式，不能对图像和视频进行有效分析，无法完整和真实的反馈用户的评价行为，获取到的用户评价结果的准确性较低，容易对其他用户和商家造成错误干扰。
发明内容
本发明实施例提供了一种用户评价结果的获取方法、装置、服务器和存储介质，实现了用户评论信息的评价结果获取。
第一方面，本发明实施例提供了一种用户评价结果的获取方法，包括：
获取目标商品的用户评论信息，并确定所述用户评论信息的评价类型；其中，所述评价类型包括评价视频和评价图片中的至少一个；
若所述评价类型包括评价视频，对所述评价视频进行转帧处理，以获取帧图片；
将待比对图片与所述目标商品的标准商品图片进行相似度比对，并根据相似度比对结果，获取所述用户评论信息的图像评价得分；其中，所述待比对图片包括所述帧图片和/或所述评价图片；
根据所述用户评论信息的图像评价得分，获取所述用户评论信息的用户评价结果。
第二方面，本发明实施例提供了一种用户评价结果的获取装置，包括：
评价类型获取模块，用于获取目标商品的用户评论信息，并确定所述用户评论信息的评价类型；其中，所述评价类型包括评价视频和评价图片中的至少一个；
帧图片获取模块，用于若所述评价类型包括评价视频，对所述评价视频进行转帧处理，以获取帧图片；
图像评价得分获取模块，用于将待比对图片与所述目标商品的标准商品图片进行相似度比对，并根据相似度比对结果，获取所述用户评论信息的图像评价得分；其中，所述待比对图片包括所述帧图片和/或所述评价图片；
用户评价结果获取模块，用于根据所述用户评论信息的图像评价得分，获取所述用户评论信息的用户评价结果。
第三方面，本发明实施例还提供了一种服务器，所述服务器包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所述的用户评价结果的获取方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时实现本发明任意实施例所述的用户评价结果的获取方法。
本发明实施例提供的技术方案，将用户评论信息中的评价视频转换为帧图片，再根据帧图片和评价图片与标准商品图片的相似度比对结果，获取图像评价得分，进而根据图像评价得分，获取用户评价结果，确保获取用户评论信息的完整内容，避免用户评论信息中图像内容的缺失，导致用户评价结果不准确，同时，相比于评价文字带有较强的主观性，通过评价视频和评价图片获取的图像评价得分，客观的反映了目标商品的真实信息，确保了用户对目标商品的客观评价。
附图说明
图1是本发明实施例一提供的一种用户评价结果的获取方法的流程图；
图2是本发明实施例二提供的一种用户评价结果的获取方法的流程图；
图3是本发明实施例三提供的一种用户评价结果的获取方法的流程图；
图4是本发明实施例四提供的一种用户评价结果的获取方法的流程图；
图5是本发明实施例五提供的一种用户评价结果的获取装置的结构框图；
图6是本发明实施例六提供的一种服务器的结构框图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种用户评价结果的获取方法的流程图，本实施例可适用于根据用户对目标商品的评论信息，获取用户的评价结果，该方法可以由本发明实施例中用户评价结果的获取装置来执行，该装置可以通过软件和/或硬件实现，并集成在服务器中，典型的，可以集成在电商平台的业务服务器中；
服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
该方法具体包括如下步骤：
S110、获取目标商品的用户评论信息，并确定所述用户评论信息的评价类型；其中，所述评价类型包括评价视频和评价图片中的至少一个。
用户的评论信息，可以以文字、视频和图片中一个或多个组合的方式呈现；当用户通过应用程序或网页输入评价文字后，服务器将获取到的评价文字保存为文本文件；而评价视频和评价图片分别为用户上传的视频文件和图片文件；因此，可以通过获取用户评论信息包含的文件类型，确定用户评论信息的评价类型。
具体的，文件名后缀，即文件扩展名，表示了文件格式所采用的机制，通过文件名后缀与文件类型的关联关系，根据解析文件获取的文件名后缀，即可确定文件类型；例如，若获取到文件的文件名后缀为“jpg”、“bmp”或“png”，即可确定该文件为图片文件；若获取到文件的文件名后缀为“wav”或“avi”，即可确定该文件为视频文件；若获取到文件的文件名后缀为“txt”或“doc”，即可确定该文件为文本文件。
文件头是位于文件开头的一段承担一定任务的数据，不同的文件头代表了不同的文件类型，因此，通过文件头与文件类型的关联关系，根据解析文件获取的文件头，也可确定文件类型；例如，若获取到的文件头为FFD8FFE0、FFD8FFE1或FFD8FFE8，则确定该文件为“jpg”文件，即图片文件；如果获取到的文件头为41564920，则确定该文件为“avi”格式文件，即视频文件；特别的，在本发明实施例中，还可以通过预训练完成的CART(Classification And Regression Tree，分类回归树)模型，对用户评论信息进行分类，获取用户评论信息的评论类型。
本发明实施例可以基于人工智能技术对用户评论信息进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
S120、若所述评价类型包括评价视频，对所述评价视频进行转帧处理，以获取帧图片。
如果确定用户评论信息包括评价视频，则将评论视频通过预设的转帧处理方式，例如，调用本地安装的基于OpenCV的视频播放器，本地执行转帧处理，或者调用在线Json校验格式化工具Be Json，在线执行转帧处理，以将评价视频拆解为帧图片。
S130、将待比对图片与所述目标商品的标准商品图片进行相似度比对，并根据相似度比对结果，获取所述用户评论信息的图像评价得分；其中，所述待比对图片包括所述帧图片和/或所述评价图片。
将评价视频拆帧后获取的帧图片，以及用户上传的评价图片，与目标商品的标准商品图片进行相似度比对时，首先分别获取待比对图片和标准商品图片的灰度直方图；其中，灰度直方图是灰度分布的统计图像，表示了各个灰度等级的像素个数，反映了图像中各个灰度等级的出现频率；其次将每个灰度直方图，划分为指定数量的区域，每个区域包括连续的多个灰度等级，例如，将每个灰度直方图划分为64个区域，每个区域则包括4个灰度等级；然后将每个区域内的灰度等级进行求和，并根据各个区域的求和结果，获取每个灰度直方图的图片向量；再通过皮尔逊相关系数或者余弦相似度，计算待比对图片的图片向量与标准商品图片的图片向量之间的相似度；由于相似度比对结果与图像评价得分具备相应的关联关系，例如，相似度比对结果乘以100，即为图像评价得分，因此根据相似度比对结果即可获取图像评价得分。
可选的，在本发明实施例中，所述将待比对图片与所述目标商品的标准商品图片进行相似度比对，包括：通过帧间差分获取所述帧图片中包括运动物体的运动帧图片，并确定所述运动帧图片中的运动区域；提取所述运动区域大于等于预设区域阈值的区域帧图片；将所述区域帧图片与所述目标商品的标准商品图片进行相似度比对。
具体的，帧间差分是将两个相邻的帧图片中，对应像素点的像素值相减得到差分图像，在对差分图像进行二值化处理后，若二值化后的差分图像中存在像素值大于等于预设像素阈值的前景像素点，则表明前景像素点的变亮，是由于运动物体引起的，因此，确定该差分图像对应的帧图片中存在运动物体，即该差分图像对应的帧图片为运动帧图片；而前景像素点所在的位置即为运动物体在运动帧图片中的位置，也即运动帧图片中的运动区域；通过帧间差分，不但确定了运动物体(即目标商品)在帧图片中的位置，同时，也对帧图片进行了去重处理，即将不存在运动物体的相同帧图片进行了去重，极大地减少了待比对图片的数量，避免了将相同的帧图片，与标准商品图像进行重复比对。
预设区域阈值，是预先设定的目标商品在图像中占据的像素点，与图像中像素点总数的比值；若运动区域在所有像素点中的占比小于预设区域阈值，表明运动帧图片中虽然可能包括目标商品，但目标商品只有较小部分出现在图像中，不足以反应目标商品的全貌，或者即使反映了目标商品全貌，但由于拍照距离较远，导致目标商品在图像中占据的面积过小，无法反应出商品的真实特征，因此，区域帧图片的获取，确保了获取到目标商品完整的特征信息，避免了由于目标商品的特征信息不完整导致的误比对现象发生。
可选的，在本发明实施例中，所述将待比对图片与所述目标商品的标准商品图片进行相似度比对，包括如下至少一项：通过待比对图片与所述目标商品的标准商品图片的汉明距离，获取形状相似度比对结果；通过感知哈希算法，获取待比对图片与所述目标商品的标准商品图片的颜色相似度比对结果；通过二进制像素值比对，获取待比对图片与所述目标商品的标准商品图片的纹理相似度比对结果；所述根据相似度比对结果，获取所述用户评论信息的图像评价得分，包括：根据所述形状相似度比对结果、所述颜色相似度比对结果和所述纹理相似度比对结果中的至少一个，获取所述用户评论信息的图像评价得分。
具体的，在进行形状相似度比对时，首先获取待比对图片与标准商品图片的灰度图；其次通过NumPy(Numerical Python)的图像数组，读取上述灰度图中灰度像素的比较数组；其中，NumPy是一个包含向量数组、矩阵数组和图像数组等数组对象的计算工具；然后通过灰度像素的比较数组，计算待比对图片与标准商品图片之间的汉明距离；其中，汉明距离是两张图片的灰度像素的比较数组中不相同的数据位的数量，汉明距离反映了两张图片在物体轮廓，即物体形状上的相似度。
在进行纹理相似度比对时，首先将待比对图片以及标准商品图片转换为二进制码，以分别获取二进制图片；然后将上述二进制图片的每个像素点的二进制数值进行比对，获取数值相同的像素点数量和数值不同的像素点数量；最后获取数值相同的像素点与像素点总数的比值，该比值反应了两张图片中目标商品表面的纹理特征的相似程度；而在进行颜色相似度比对时，则通过感知哈希(PHA)算法，获取待比对图片与标准商品图的相似度，该相似度反应了两张图片中目标商品的颜色分布的相似程度。
在获取到上述三个相似度比对结果后，可以根据不同的相似度阈值内相似度比对结果的数量，确定图像评价得分；例如，若上述三种相似度比对结果中，至少两个相似度比对结果大于等于第一相似度阈值(例如，70％)，且小于第二相似度阈值(例如，90％)，则对应的图像评价得分为80分；若上述三种相似度比对结果中，至少两个相似度比对结果大于等于第二相似度阈值，则对应的图像评价得分为90分。相比于传统的技术方案中基于单一技术手段进行的相似度比对，本发明实施例从物体形状、纹理材质和颜色分布三个不同方向进行了相似度比对，根据三个不同评价方向的相似度比对结果，获取到准确的图像评价得分。
S140、根据所述用户评论信息的图像评价得分，获取所述用户评论信息的用户评价结果。
在获取到用户评论信息的评价类型后，如果用户评论信息中不包含评价文字，图像评价得分即为用户评价得分，进而根据用户评价得分与评价结果之间的关联关系，确定用户评价结果；其中，用户评价结果可以包括“优秀”、“良好”、“一般”和“差”；例如，用户评价得分大于等于90分时，用户评价结果为“优秀”；用户评价得分小于90分，且大于等于80分时，用户评价结果为“良好”；用户评价得分小于80分，且大于等于70分时，用户评价结果为“一般”；用户评价得分小于70分时，用户评价结果为“差”。
如果用户评论信息中还包含评价文字，则根据文字评价得分和图像评价得分获取用户评价得分；其中，文字评价得分，可以通过预训练完成的情感分类模型对评价文字进行情感分类，获取评价文字的情感类型，以及评价文字为正向情感的分类概率，进而通过评价文字为正向情感下的分类概率与文字评价得分之间的关联关系，获取文字评价得分；例如，评价文字为正向情感的分类概率为80％，文件评价得分为80分。
特别的，文字评价得分和图像评价得分可以具备不同的权重系数，将文字评价得分和文字权重系数的乘积，与图像评价得分和图像权重系数的乘积，进行求和计算，以获取用户评价得分，文字权重系数与图像权重系数的求和结果为1；其中，文字权重系数和图像权重系数，可以根据文字与图片分别在用户评论信息中的内容占比获取；例如，用户评论信息的字符数量与图片(包括评价图片和帧图片)数量的比值越大，则文字权重系数越大，图像权重系数越小；用户评论信息的字符数量与图片数量的比值越小，则文字权重系数越小，图像权重系数越大，据此，为内容较多的评价类型，设定了较大的权重系数，以使评价内容较多的一方(即文字或图片)，对用户评论结果的影响更大。
根据上述技术方案，获取到目标商品下各个用户评论信息的用户评价得分后，根据各个用户评价得分，获取目标商品的平均评价得分；其中，平均评价得分可以是各个用户评价得分的平均值，也可以根据用户的身份信息或者评论信息的类型，为用户评论信息预设不同的权重，例如，用户的身份信息包括会员和非会员，会员评论信息的权重大于非会员评论信息的权重，评论信息类型包括追加评论和非追加评论，追加评论信息的权重大于非追加评论信息的权重，然后根据各个用户评价得分与对应权重的乘积结果，获取平均评价得分，最后根据目标商品的平均评价得分，获取目标商品的用户评价结果。
本发明实施例提供的技术方案，将用户评论信息中的评价视频转换为帧图片，再根据帧图片和评价图片与标准商品图片的相似度比对结果，获取图像评价得分，进而根据图像评价得分，获取用户评价结果，确保获取用户评论信息的完整内容，避免用户评论信息中图像内容的缺失，导致用户评价结果不准确，同时，相比于评价文字带有较强的主观性，通过评价视频和评价图片获取的图像评价得分，客观的反映了目标商品的真实信息，确保了用户对目标商品的客观评价。
实施例二
图2为本发明实施例二提供的一种用户评价结果的获取方法的流程图，本实施例在上述技术方案的基础上进行具体化，在本实施例中，目标商品包括多个视图类型下的标准商品图片，该方法具体包括：
S210、获取目标商品的用户评论信息，并确定所述用户评论信息的评价类型；其中，所述评价类型包括评价视频和评价图片中的至少一个。
S220、若所述评价类型包括评价视频，对所述评价视频进行转帧处理，以获取帧图片。
S230、若所述目标商品包括多个视图类型下的标准商品图片，则将待比对图片与各所述视图类型下的所述标准商品图片分别进行相似度比对，并根据相似度比对结果，确定所述待比对图片对应的所述视图类型。
商家在提供标准商品图片时，可能上传了多张不同视图类型的标准商品图片，以反映不同拍摄角度下的商品信息；其中，视图类型包括主视图、俯视图、左视图、右视图、仰视图和后视图中的一个或多个；根据标准商品图片的标签信息，可以确定各个标准商品图片所属的视图类型；将每张待比对图片，与各个标准商品图片进行相似度比对后，根据相似度比对结果，将与当前待比对图片相似度最大的标准商品图片的视图类型，作为当前待比对图片的视图类型，据此确定每张待比对图片的视图类型。
S240、获取所述多个视图类型中的目标视图类型，并在所述目标视图类型中，获取相似度比对结果中数值最大的目标相似度比对结果；其中，所述目标视图类型与至少一个所述待比对图片相对应。
如果一个视图类型下不包括任何待比对图片，则确定用户未上传与该视图类型相关的评价图片和评价视频，将当前视图类型作为非目标视图类型；如果一个视图类型下包括至少一个待比对图片，则将该视图类型作为目标视图类型；在每个目标视图类型中，获取各个待比对图片与当前视图类型下的标准商品图片的相似度比对结果，并将其中的最大值，作为该视图类型下的目标相似度比对结果。
S250、根据所述目标相似度比对结果，获取所述用户评论信息的图像评价得分。
若目标视图类型的数量为一个，则根据该目标视图类型下的目标相似度比对结果，获取用户评论信息的图像评价得分；若目标视图类型的数量为多个，则根据各个目标视图类型分别对应的目标相似度比对结果，获取用户评论信息的平均相似度比对结果，再根据平均相似度比对结果，获取用户评论信息的图像评价得分；其中，平均相似度比对结果，可以是各个目标相似度比对结果的平均值，也可以根据目标视图类型的组成类型不同，获取到预先设定的各目标视图类型的权重系数后，再根据各个目标相似度比对结果和各个目标视图类型的权重系数，获取的平均相似度比对结果。
以上述技术方案为例，商家提供的目标商品的标准商品图片包括主视图、俯视图和左视图；在将待比对图片进行分类后，确定主视图和俯视图中均包括至少一个待比对图片，左视图中不包括任何待比对图片，据此，将主视图和俯视图确定为目标视图类型；主视图下获取的目标相似度比对结果为70％；俯视图下获取的目标相似度比对结果为80％；而当目标视图类型的组成类型为“主视图+左视图”时，获取到的预先设定的权重系数为“主视图0.6，左视图0.4”，据此，将主视图的目标相似度比对结果和主视图的权重系数的乘积，与左视图的目标相似度比对结果和左视图的权重系数的乘积，进行求和，求和结果，即70％×0.6+80％×0.4＝74％，作为平均相似度比对结果。
本发明实施例提供的技术方案，将待比对图片与多个视图类型下的标准商品图片进行相似度比对后，确定每个待比对图片的视图类型分类，并根据每个视图类型下，数值最大的目标相似度比对结果，获取用户评论信息的图像评价得分，实现了用户上传图像与目标商品多拍摄角度下的相似度比对，完整的表征了用户上传图像与目标商品的相似程度，避免了由于拍摄角度不同，带来的误比对现象发生，提高了相似度比对结果的准确性。
实施例三
图3为本发明实施例三提供的一种用户评价结果的获取方法的流程图，本实施例在上述技术方案的基础上进行具体化，在本实施例中，从物体形状、纹理材质和颜色分布三个评价方向上分别获取用户评价结果，该方法具体包括：
S310、获取目标商品的用户评论信息，并确定所述用户评论信息的评价类型；其中，所述评价类型包括评价视频和评价图片中的至少一个。
S320、若所述评价类型包括评价视频，对所述评价视频进行转帧处理，以获取帧图片。
S330、通过待比对图片与所述目标商品的标准商品图片的汉明距离，获取形状相似度比对结果；通过感知哈希算法，获取待比对图片与所述目标商品的标准商品图片的颜色相似度比对结果；通过二进制像素值比对，获取待比对图片与所述目标商品的标准商品图片的纹理相似度比对结果。
S340、根据所述形状相似度比对结果，获取用户评论信息的图像形状评价得分；根据所述纹理相似度比对结果，获取用户评论信息的图像纹理评价得分；根据所述颜色相似度比对结果，获取用户评论信息的图像颜色评价得分。
S350、根据所述图像形状评价得分、所述图像纹理评价得分和所述图像颜色评价得分，以及所述目标商品的图像形状评价权重、图像纹理评价权重和图像颜色评价权重，获取所述用户评论信息的图像评价得分；其中，所述目标商品的图像形状评价权重、图像纹理评价权重和图像颜色评价权重，均与所述目标商品的商品类型相关。
不同类型的商品，用户关注的评价方向不同，例如，对于衣服来说，用户通常更关注颜色分布和纹理材质，对于物体形状的关注度较低；对于毛绒玩具来说，用户通常关注物体形状和颜色分布，而对于纹理材质的关注度较低；因此，根据商品类型的不同，预先设定的各个评价方向的权重也不同；在获取到图像形状评价得分、图像纹理评价得分和图像颜色评价得分后，根据目标商品的商品类型，确定目标商品的图像形状评价权重、图像纹理评价权重和图像颜色评价权重，并将图像形状评价得分与图像形状评价权重进行乘积运算，图像颜色评价得分与图像颜色评价权重进行乘积运算，图像纹理评价得分与图像纹理评价权重进行乘积运算，再将上述三个乘积运算结果进行求和，即为图像评价得分；不同的商品类型下，每个评价方向在图像评价得分中的占比不同，更准确的反映出用户对该类型商品的关注方向，获取到的图像评价得分也反映了用户的实际评价结果。
可选的，在本发明实施例中，所述根据所述图像形状评价得分、所述图像纹理评价得分和所述图像颜色评价得分，以及所述目标商品的图像形状评价权重、图像纹理评价权重和图像颜色评价权重，获取所述用户评论信息的图像评价得分，包括：若所述图像形状评价得分为零，且所述图像纹理评价得分和所述图像颜色评价得分均不为零，则为所述图像纹理评价权重和所述图像颜色评价权重分别赋予第一评价权重值和第二评价权重值，并根据所述图像纹理评价得分、所述图像颜色评价得分、所述第一评价权重值和所述第二评价权重值，获取所述用户评论信息的图像评价得分；若所述图像纹理评价得分为零，且所述图像形状评价得分和所述图像颜色评价得分均不为零，则为所述图像形状评价权重和所述图像颜色评价权重分别赋予第三评价权重值和第四评价权重值，并根据所述图像形状评价得分、所述图像颜色评价得分、所述第三评价权重值和所述第四评价权重值，获取所述用户评论信息的图像评价得分；若所述图像颜色评价得分为零，且所述图像形状评价得分和所述图像纹理评价得分均不为零，则为所述图像形状评价权重和所述图像纹理评价权重分别赋予第五评价权重值和第六评价权重值，并根据所述图像形状评价得分、所述图像纹理评价得分、所述第五评价权重值和所述第六价权重值，获取所述用户评论信息的图像评价得分。
具体的，如果图像形状评价得分、图像纹理评价得分和图像颜色评价得分中的任意一个为零，图像评价得分显然由其余两个不为零的评价得分决定，根据上述两个评价得分的组合方式不同，为上述两个评价得分的权重分别赋予不同的评价权重值，且赋予的评价权重值的和为1，即第一评价权重值与第二评价权重值的和为1，第三评价权重值与第四评价权重值的和为1，第五评价权重值与第六评价权重值的和为1；例如，若图像形状评价得分为零，则图像纹理评价权重和图像颜色评价权重分别为0.6和0.4；若图像颜色评价得分为零，则图像形状评价权重和所述图像纹理评价权重分别为0.7和0.3；若图像颜色评价得分为零，则图像形状评价权重和图像纹理评价权重分别为0.8和0.2。
S360、根据所述用户评论信息的图像形状评价得分，获取所述用户评论信息的形状评价结果；根据所述用户评论信息的图像纹理评价得分，获取所述用户评论信息的纹理评价结果；根据所述用户评论信息的图像颜色评价得分，获取所述用户评论信息的颜色评价结果。
为了使评价结果的描述语言，符合用户阅读习惯，可以为不同评价方向的评价结果，分别设定不同的描述语言，进而根据评价方向的不同，展示评价结果；例如，根据图像形状评价得分，获取到的图像形状评价结果为“优秀”、“良好”、“一般”和“差”时，对应输出的描述语言分别为“形状规范”、“形状基本规范”、“形状略有偏差”或“形状偏差较大”；根据图像颜色评价得分，获取到图像颜色评价结果后，其对应的描述语言分别为“无色差”、“基本无色差”、“略有色差”和“色差较大”；根据图像纹理评价得分，获取到图像纹理评价结果后，其对应的描述语言分别为“纹理材质符合商品说明”、“纹理材质基本符合商品说明”、“纹理材质与商品说明略有偏差”或“纹理材质与商品说明偏差较大”；相比于传统的技术方案，仅能对商品给出一个整体评价结果，本发明实施例从物体形状、纹理材质和颜色分布上分别给出了评价结果，客观的描述了目标商品的实际信息，每个评价方向的评价结果，不受到其它评价方向的影响，确保了每个评价方向的评价结果的独立性。
S370、根据所述用户评论信息的图像评价得分，获取所述用户评论信息的用户评价结果。
根据图像评价得分，获取的用户评价结果是综合商品的各个评价方向，从整体上给出的评价结果，因此，对于一件商品而言，从形状、颜色、纹理和整体上给出了评价结果；以上述技术方案为例，一件商品的评价结果可以为：形状规范、纹理材质基本符合商品说明、略有色差，整体评价结果为良好。本发明实施例提供的技术方案，根据不同商品类型下，不同评价方向在图像评价得分中的占比不同，准确的反映出用户对该类型商品的关注方向，获取到的图像评价得分准确的反映了用户的实际评价结果，同时，从物体形状、纹理材质和颜色分布上分别给出评价结果，客观的描述了目标商品的实际信息，每个评价方向的评价结果，不受到其它评价方向的影响，确保了每个评价方向的评价结果的独立性。
实施例四
图4为本发明实施例四提供的一种用户评价结果的获取方法的流程图，本实施例在上述技术方案的基础上进行具体化，在本实施例中，用户评论信息的评价类型包括评价视频和评价文字，进而根据图像评价结果和文字图像评价结果，获取用户评价结果，该方法具体包括：
S410、获取目标商品的用户评论信息，并确定所述用户评论信息的评价类型；其中，所述评价类型包括评价文字、评价视频和评价图片中的至少一个。
S420、若所述评价类型包括评价视频和评价文字，对所述评价视频进行转帧处理，以获取帧图片。
S430、通过待比对图片与所述目标商品的标准商品图片的汉明距离，获取形状相似度比对结果；通过感知哈希算法，获取待比对图片与所述目标商品的标准商品图片的颜色相似度比对结果；通过二进制像素值比对，获取待比对图片与所述目标商品的标准商品图片的纹理相似度比对结果。
S440、根据所述形状相似度比对结果，获取用户评论信息的图像形状评价得分；根据所述纹理相似度比对结果，获取用户评论信息的图像纹理评价得分；根据所述颜色相似度比对结果，获取用户评论信息的图像颜色评价得分。
S450、通过预训练完成的情感分类模型，获取所述评价文字的文字颜色评价得分、文字形状评价得分和文字纹理评价得分。
具体的，可以通过预先构建完成的关键词列表，在评价文字中分别查找对应的颜色关键词、形状关键词和纹理关键词，并将查找到的颜色关键词、形状关键词和纹理关键词各自所在的语句，分别确定为颜色评价语句、形状评价语句和纹理评价语句；还可以将评价文字中的各个评价语句输入至基于神经网络的文本分类模型中，通过文本分类模型，对评价文字中的各个评价语句进行分类；其中，文本分类模型输出的语句类别包括颜色评价语句、形状评价语句、纹理评价语句和其他评价语句；根据评价文字中的语句序列，将各个颜色评价语句拼接为颜色评价段落，将各个形状评价语句拼接为形状评价段落，将各个纹理评价语句拼接为纹理评价段落。
将上述评价段落分别输入至预训练完成的情感分类模型，获取每个评价段落为正向情感的分类概率；根据评价文字在正向情感下的分类概率与文字评价得分之间的关联关系，获取文字评价得分；例如，评价文字为正向情感的分类概率为80％，文件评价得分即为80分。
S460、根据所述文字形状评价得分和所述图像形状评价得分，获取所述用户评论信息的形状评价结果；根据所述文字纹理评价得分和所述图像纹理评价得分，获取所述用户评论信息的纹理评价结果；根据所述文字颜色评价得分和所述图像颜色评价得分，获取所述用户评论信息的颜色评价结果。
文字形状评价得分和图像形状评价得分可以具备不同的权重系数，将文字形状评价得分和文字形状权重系数的乘积，与图像形状评价得分和图像形状权重系数的乘积，进行求和，以计算获取形状评价得分，文字形状权重系数与图像形状权重系数的求和结果为1；其中，文字形状权重系数和图像形状权重系数，可以根据形状评价段落与图片分别在用户评论信息中的内容占比获取；例如，用户评论信息中形状评价段落的字符数量与图片(包括评价图片和帧图片)数量的比值越大，则文字形状权重系数越大，图像形状权重系数越小；用户评论信息中形状评价段落的字符数量与图片数量的比值越小，则文字形状权重系数越小，图像形状权重系数越大；同样的，文字颜色评价得分和图像颜色评价得分可以具备不同的权重系数，文字颜色权重系数和图像颜色权重系数，可以根据颜色评价段落与图片分别在用户评论信息中的内容占比获取；文字纹理评价得分和图像纹理评价得分可以具备不同的权重系数，文字纹理权重系数和图像纹理权重系数，可以根据纹理评价段落与图片分别在用户评论信息中的内容占比获取。
本发明实施例提供的技术方案，根据评价文字中的颜色评价段落、形状评价段落和纹理评价段落，分别获取到用户评论信息的文字形状评价得分、文字纹理评价得分和文字颜色评价得分，并根据用户上传图像，获取图像形状评价得分、图像纹理评价得分和图像颜色评价得分，确保了用户评论信息的完整获取，避免了遗漏用户评论信息中的文字内容或图像内容，导致用户评价结果不准确。
实施例五
图5是本发明实施例五所提供的一种用户评价结果的获取装置的结构框图，该装置具体包括：评价类型获取模块510、帧图片获取模块520、图像评价得分获取模块530和用户评价结果获取模块540；
评价类型获取模块510，用于获取目标商品的用户评论信息，并确定所述用户评论信息的评价类型；其中，所述评价类型包括评价视频和评价图片中的至少一个；
帧图片获取模块520，用于若所述评价类型包括评价视频，对所述评价视频进行转帧处理，以获取帧图片；
图像评价得分获取模块530，用于将待比对图片与所述目标商品的标准商品图片进行相似度比对，并根据相似度比对结果，获取所述用户评论信息的图像评价得分；其中，所述待比对图片包括所述帧图片和/或所述评价图片；
用户评价结果获取模块540，用于根据所述用户评论信息的图像评价得分，获取所述用户评论信息的用户评价结果。
本发明实施例提供的技术方案，将用户评论信息中的评价视频转换为帧图片，再根据帧图片和评价图片与标准商品图片的相似度比对结果，获取图像评价得分，进而根据图像评价得分，获取用户评价结果，确保获取用户评论信息的完整内容，避免用户评论信息中图像内容的缺失，导致用户评价结果不准确，同时，相比于评价文字带有较强的主观性，通过评价视频和评价图片获取的图像评价得分，客观的反映了目标商品的真实信息，确保了用户对目标商品的客观评价。
可选的，在上述技术方案的基础上，图像评价得分获取模块530，具体包括：
运动帧图片获取单元，用于通过帧间差分获取所述帧图片中包括运动物体的运动帧图片，并确定所述运动帧图片中的运动区域；
区域帧图片获取单元，用于提取所述运动区域大于等于预设区域阈值的区域帧图片。
相似度比对执行单元，用于将所述区域帧图片与所述目标商品的标准商品图片进行相似度比对。
可选的，在上述技术方案的基础上，图像评价得分获取模块530，具体还包括：
视图类型获取单元，用于若所述目标商品包括多个视图类型下的标准商品图片，则将待比对图片与各所述视图类型下的所述标准商品图片分别进行相似度比对，并根据相似度比对结果，确定所述待比对图片对应的所述视图类型；
目标相似度比对结果获取单元，用于获取所述多个视图类型中的目标视图类型，并在所述目标视图类型中，获取相似度比对结果中数值最大的目标相似度比对结果；其中，所述目标视图类型与至少一个所述待比对图片相对应；
第一图像评价得分获取单元，用于根据所述目标相似度比对结果，获取所述用户评论信息的图像评价得分。
可选的，在上述技术方案的基础上，图像评价得分获取模块530，具体包括如下至少一项：
图像形状相似度比对单元，用于通过待比对图片与所述目标商品的标准商品图片的汉明距离，获取形状相似度比对结果；
图像颜色相似度比对单元，用于通过感知哈希算法，获取待比对图片与所述目标商品的标准商品图片的颜色相似度比对结果；
图像纹理相似度比对单元，用于通过二进制像素值比对，获取待比对图片与所述目标商品的标准商品图片的纹理相似度比对结果。
可选的，在上述技术方案的基础上，图像评价得分获取模块530，具体还包括：
第二图像评价得分获取单元，用于根据所述形状相似度比对结果、所述颜色相似度比对结果和所述纹理相似度比对结果中的至少一个，获取所述用户评论信息的图像评价得分。
可选的，在上述技术方案的基础上，第二图像评价得分获取单元，具体用于根据所述形状相似度比对结果，获取用户评论信息的图像形状评价得分；根据所述纹理相似度比对结果，获取用户评论信息的图像纹理评价得分；根据所述颜色相似度比对结果，获取用户评论信息的图像颜色评价得分；根据所述图像形状评价得分、所述图像纹理评价得分和所述图像颜色评价得分，以及所述目标商品的图像形状评价权重、图像纹理评价权重和图像颜色评价权重，获取所述用户评论信息的图像评价得分；其中，所述目标商品的图像形状评价权重、图像纹理评价权重和图像颜色评价权重，均与所述目标商品的商品类型相关。
可选的，在上述技术方案的基础上，第二图像评价得分获取单元，具体还用于若所述图像形状评价得分为零，且所述图像纹理评价得分和所述图像颜色评价得分均不为零，则为所述图像纹理评价权重和所述图像颜色评价权重分别赋予第一评价权重值和第二评价权重值，并根据所述图像纹理评价得分、所述图像颜色评价得分、所述第一评价权重值和所述第二评价权重值，获取所述用户评论信息的图像评价得分；若所述图像纹理评价得分为零，且所述图像形状评价得分和所述图像颜色评价得分均不为零，则为所述图像形状评价权重和所述图像颜色评价权重分别赋予第三评价权重值和第四评价权重值，并根据所述图像形状评价得分、所述图像颜色评价得分、所述第三评价权重值和所述第四评价权重值，获取所述用户评论信息的图像评价得分；若所述图像颜色评价得分为零，且所述图像形状评价得分和所述图像纹理评价得分均不为零，则为所述图像形状评价权重和所述图像纹理评价权重分别赋予第五评价权重值和第六评价权重值，并根据所述图像形状评价得分、所述图像纹理评价得分、所述第五评价权重值和所述第六价权重值，获取所述用户评论信息的图像评价得分。
可选的，在上述技术方案的基础上，用户评价结果的获取装置，包括：
文字评分获取模块，用于若所述评价类型包括评价文字，则通过预训练完成的情感分类模型，获取所述评价文字的文字颜色评价得分、文字形状评价得分和文字纹理评价得分。
可选的，在上述技术方案的基础上，用户评价结果获取模块540，具体包括：
形状评价结果获取单元，具体用于根据所述文字形状评价得分和所述图像形状评价得分，获取所述用户评论信息的形状评价结果；
纹理评价结果获取单元，具体用于根据所述文字纹理评价得分和所述图像纹理评价得分，获取所述用户评论信息的纹理评价结果；
颜色评价结果获取单元，具体用于根据所述文字颜色评价得分和所述图像颜色评价得分，获取所述用户评论信息的颜色评价结果。
上述装置可执行本发明任意实施例所提供的用户评价结果的获取方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的方法。
实施例六
图6为本发明实施例六提供的一种服务器的结构示意图。图6示出了适于用来实现本发明实施方式的示例性服务器12的框图。图6显示的服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，服务器12以通用计算设备的形式表现。服务器12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，存储器28，连接不同系统组件(包括存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该服务器12交互的设备通信，和/或与使得该服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合服务器12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的用户评价结果的获取方法。也即：获取目标商品的用户评论信息，并确定所述用户评论信息的评价类型；其中，所述评价类型包括评价视频和评价图片中的至少一个；若所述评价类型包括评价视频，对所述评价视频进行转帧处理，以获取帧图片；将待比对图片与所述目标商品的标准商品图片进行相似度比对，并根据相似度比对结果，获取所述用户评论信息的图像评价得分；其中，所述待比对图片包括所述帧图片和/或所述评价图片；根据所述用户评论信息的图像评价得分，获取所述用户评论信息的用户评价结果。
实施例七
本发明实施例七还提供了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如本发明任意实施例所述的用户评价结果的获取方法；该方法包括：
获取目标商品的用户评论信息，并确定所述用户评论信息的评价类型；其中，所述评价类型包括评价视频和评价图片中的至少一个；
若所述评价类型包括评价视频，对所述评价视频进行转帧处理，以获取帧图片；
将待比对图片与所述目标商品的标准商品图片进行相似度比对，并根据相似度比对结果，获取所述用户评论信息的图像评价得分；其中，所述待比对图片包括所述帧图片和/或所述评价图片；
根据所述用户评论信息的图像评价得分，获取所述用户评论信息的用户评价结果。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种用户评价结果的获取方法，其特征在于，包括：
获取目标商品的用户评论信息，并确定所述用户评论信息的评价类型；其中，所述评价类型包括评价视频和评价图片中的至少一个；
若所述评价类型包括评价视频，对所述评价视频进行转帧处理，以获取帧图片；
将待比对图片与所述目标商品的标准商品图片进行相似度比对，并根据相似度比对结果，获取所述用户评论信息的图像评价得分；其中，所述待比对图片包括所述帧图片和/或所述评价图片；
根据所述用户评论信息的图像评价得分，获取所述用户评论信息的用户评价结果。
2.根据权利要求1所述的方法，其特征在于，所述将待比对图片与所述目标商品的标准商品图片进行相似度比对，包括：
通过帧间差分获取所述帧图片中包括运动物体的运动帧图片，并确定所述运动帧图片中的运动区域；
提取所述运动区域大于等于预设区域阈值的区域帧图片；
将所述区域帧图片与所述目标商品的标准商品图片进行相似度比对。
3.根据权利要求1所述的方法，其特征在于，所述将待比对图片与所述目标商品的标准商品图片进行相似度比对，并根据相似度比对结果，获取所述用户评论信息的图像评价得分，包括：
若所述目标商品包括多个视图类型下的标准商品图片，则将待比对图片与各所述视图类型下的所述标准商品图片分别进行相似度比对，并根据相似度比对结果，确定所述待比对图片对应的所述视图类型；
获取所述多个视图类型中的目标视图类型，并在所述目标视图类型中，获取相似度比对结果中数值最大的目标相似度比对结果；其中，所述目标视图类型与至少一个所述待比对图片相对应；
根据所述目标相似度比对结果，获取所述用户评论信息的图像评价得分。
4.根据权利要求1所述的方法，其特征在于，所述将待比对图片与所述目标商品的标准商品图片进行相似度比对，包括如下至少一项：
通过待比对图片与所述目标商品的标准商品图片的汉明距离，获取形状相似度比对结果；
通过感知哈希算法，获取待比对图片与所述目标商品的标准商品图片的颜色相似度比对结果；
通过二进制像素值比对，获取待比对图片与所述目标商品的标准商品图片的纹理相似度比对结果；
所述根据相似度比对结果，获取所述用户评论信息的图像评价得分，包括：
根据所述形状相似度比对结果、所述颜色相似度比对结果和所述纹理相似度比对结果中的至少一个，获取所述用户评论信息的图像评价得分。
5.根据权利要求4所述的方法，其特征在于，所述根据所述形状相似度比对结果、所述颜色相似度比对结果和所述纹理相似度比对结果中的至少一个，获取所述用户评论信息的图像评价得分，包括：
根据所述形状相似度比对结果，获取用户评论信息的图像形状评价得分；
根据所述纹理相似度比对结果，获取用户评论信息的图像纹理评价得分；
根据所述颜色相似度比对结果，获取用户评论信息的图像颜色评价得分；
根据所述图像形状评价得分、所述图像纹理评价得分和所述图像颜色评价得分，以及所述目标商品的图像形状评价权重、图像纹理评价权重和图像颜色评价权重，获取所述用户评论信息的图像评价得分；其中，所述目标商品的图像形状评价权重、图像纹理评价权重和图像颜色评价权重，均与所述目标商品的商品类型相关。
6.根据权利要求5所述的方法，其特征在于，所述根据所述图像形状评价得分、所述图像纹理评价得分和所述图像颜色评价得分，以及所述目标商品的图像形状评价权重、图像纹理评价权重和图像颜色评价权重，获取所述用户评论信息的图像评价得分，包括：
若所述图像形状评价得分为零，且所述图像纹理评价得分和所述图像颜色评价得分均不为零，则为所述图像纹理评价权重和所述图像颜色评价权重分别赋予第一评价权重值和第二评价权重值，并根据所述图像纹理评价得分、所述图像颜色评价得分、所述第一评价权重值和所述第二评价权重值，获取所述用户评论信息的图像评价得分；
若所述图像纹理评价得分为零，且所述图像形状评价得分和所述图像颜色评价得分均不为零，则为所述图像形状评价权重和所述图像颜色评价权重分别赋予第三评价权重值和第四评价权重值，并根据所述图像形状评价得分、所述图像颜色评价得分、所述第三评价权重值和所述第四评价权重值，获取所述用户评论信息的图像评价得分；
若所述图像颜色评价得分为零，且所述图像形状评价得分和所述图像纹理评价得分均不为零，则为所述图像形状评价权重和所述图像纹理评价权重分别赋予第五评价权重值和第六评价权重值，并根据所述图像形状评价得分、所述图像纹理评价得分、所述第五评价权重值和所述第六价权重值，获取所述用户评论信息的图像评价得分。
7.根据权利要求6所述的方法，其特征在于，在确定所述用户评论信息的评价类型后，还包括：
若所述评价类型包括评价文字，则通过预训练完成的情感分类模型，获取所述评价文字的文字颜色评价得分、文字形状评价得分和文字纹理评价得分；
所述根据所述用户评论信息的图像评价得分，获取所述用户评论信息的用户评价结果，具体包括：
根据所述文字形状评价得分和所述图像形状评价得分，获取所述用户评论信息的形状评价结果；
根据所述文字纹理评价得分和所述图像纹理评价得分，获取所述用户评论信息的纹理评价结果；
根据所述文字颜色评价得分和所述图像颜色评价得分，获取所述用户评论信息的颜色评价结果。
8.一种用户评价结果的获取装置，其特征在于，包括：
评价类型获取模块，用于获取目标商品的用户评论信息，并确定所述用户评论信息的评价类型；其中，所述评价类型包括评价视频和评价图片中的至少一个；
帧图片获取模块，用于若所述评价类型包括评价视频，对所述评价视频进行转帧处理，以获取帧图片；
图像评价得分获取模块，用于将待比对图片与所述目标商品的标准商品图片进行相似度比对，并根据相似度比对结果，获取所述用户评论信息的图像评价得分；其中，所述待比对图片包括所述帧图片和/或所述评价图片；
用户评价结果获取模块，用于根据所述用户评论信息的图像评价得分，获取所述用户评论信息的用户评价结果。
9.一种服务器，其特征在于，所述服务器包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的用户评价结果的获取方法。
10.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的用户评价结果的获取方法。
CN202111248391.5A 2021-10-26 2021-10-26 用户评价结果的获取方法、装置、服务器和存储介质 Pending CN114004796A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111248391.5A CN114004796A (zh) 2021-10-26 2021-10-26 用户评价结果的获取方法、装置、服务器和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111248391.5A CN114004796A (zh) 2021-10-26 2021-10-26 用户评价结果的获取方法、装置、服务器和存储介质

Publications (1)

Publication Number Publication Date
CN114004796A true CN114004796A (zh) 2022-02-01

Family

ID=79924126

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111248391.5A Pending CN114004796A (zh) 2021-10-26 2021-10-26 用户评价结果的获取方法、装置、服务器和存储介质

Country Status (1)

Country Link
CN (1) CN114004796A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115187065A (zh) * 2022-07-11 2022-10-14 湖北帅锐服装贸易有限公司 一种基于电子商务平台的服装类商品质量分析系统
CN115936514A (zh) * 2022-12-14 2023-04-07 湖南工业大学 基于大数据联动管理的乡村美食创意系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103258280A (zh) * 2012-02-17 2013-08-21 盛趣信息技术（上海）有限公司 价格比较方法及系统
CN110097419A (zh) * 2019-03-29 2019-08-06 努比亚技术有限公司 商品数据处理方法、计算机设备和存储介质
CN112752034A (zh) * 2020-03-16 2021-05-04 腾讯科技（深圳）有限公司 视频特效的校验方法、装置
WO2021178731A1 (en) * 2020-03-04 2021-09-10 Karl Denninghoff Neurological movement detection to rapidly draw user attention to search results

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103258280A (zh) * 2012-02-17 2013-08-21 盛趣信息技术（上海）有限公司 价格比较方法及系统
CN110097419A (zh) * 2019-03-29 2019-08-06 努比亚技术有限公司 商品数据处理方法、计算机设备和存储介质
WO2021178731A1 (en) * 2020-03-04 2021-09-10 Karl Denninghoff Neurological movement detection to rapidly draw user attention to search results
CN112752034A (zh) * 2020-03-16 2021-05-04 腾讯科技（深圳）有限公司 视频特效的校验方法、装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
RIVAS-SÁNCHEZ, M (RIVAS-SANCHEZ, MARIO): "Using Deep Learning for Image Similarity in Product Matching", 《ADVANCES IN COMPUTATIONAL INTELLIGENCE, IWANN 2017, PT I》, no. 10305, 31 December 2017 (2017-12-31), pages 281 - 290 *
向黎: "基于消费者评价的商品特征提取及情感分析研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 01, 15 January 2020 (2020-01-15), pages 138 - 2672 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115187065A (zh) * 2022-07-11 2022-10-14 湖北帅锐服装贸易有限公司 一种基于电子商务平台的服装类商品质量分析系统
CN115936514A (zh) * 2022-12-14 2023-04-07 湖南工业大学 基于大数据联动管理的乡村美食创意系统
CN115936514B (zh) * 2022-12-14 2023-08-08 湖南工业大学 基于大数据联动管理的乡村美食创意系统

Similar Documents

Publication Publication Date Title
US11409791B2 (en) Joint heterogeneous language-vision embeddings for video tagging and search
CN110377740B (zh) 情感极性分析方法、装置、电子设备及存储介质
CN110472090B (zh) 基于语义标签的图像检索方法以及相关装置、存储介质
CN111680217A (zh) 内容推荐方法、装置、设备及存储介质
CN110781273B (zh) 文本数据处理方法、装置、电子设备及存储介质
CN114004796A (zh) 用户评价结果的获取方法、装置、服务器和存储介质
CN114003758B (zh) 图像检索模型的训练方法和装置以及检索方法和装置
CN111105013A (zh) 对抗网络架构的优化方法、图像描述生成方法和系统
CN111368066B (zh) 获取对话摘要的方法、装置和计算机可读存储介质
CN114429566A (zh) 一种图像语义理解方法、装置、设备及存储介质
CN110826327A (zh) 情感分析方法、装置、计算机可读介质及电子设备
CN111738807B (zh) 用于推荐目标对象的方法、计算设备和计算机存储介质
KR20220151453A (ko) 상품의 가격 예측 방법
CN112069404A (zh) 一种商品信息的展示方法、装置、设备和存储介质
CN111161238A (zh) 图像质量评价方法及装置、电子设备、存储介质
CN114004235A (zh) 基于句向量和多特征融合的情感原因对抽取方法、系统及装置
CN117911079A (zh) 一种个性化商户营销智能推荐方法和系统
CN111445545A (zh) 一种文本转贴图方法、装置、存储介质及电子设备
CN116503127A (zh) 模型训练方法、检索方法及相关装置
CN116090438A (zh) 主题处理方法、装置、电子设备及存储介质
Nguyen-Xuan et al. Sketch recognition using lstm with attention mechanism and minimum cost flow algorithm
CN114979620A (zh) 视频亮点片段检测方法、装置、电子设备及存储介质
CN114580354A (zh) 基于同义词的信息编码方法、装置、设备和存储介质
CN114239569A (zh) 评估文本的分析方法及其装置、计算机可读存储介质
CN113779159A (zh) 模型训练、论元检测方法、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