CN114282524A - 问卷信息结构化数据处理方法、系统和装置 - Google Patents

Abstract

本申请公开了一种问卷信息结构化数据处理方法、系统和装置，本方法通过获取回收的问卷题目的答题内容，对答题内容进行分词处理，将答题内容的长文本切分为若干个符合语义的词汇组合；统计每个词汇组合的出现次数，计算每个词汇组合出现的频率，根据每个词汇组合出现的频率，筛选出目标词汇组合；将目标词汇组合输入预先训练的文本分类算法模型中，得到目标词汇组合对应的话题和话题附带的情感标签。本申请解决相关技术中现有问卷内容分析不够细致、无法获取进一步信息的技术问题，提高问卷信息分析的准确度，得到用户答题的有效内容，以便为企业提供针对性服务和指导。进一步可以减少对回收问卷的重复分析，以减少服务资源的浪费。

Description

问卷信息结构化数据处理方法、系统和装置

技术领域

本申请属于计算机技术领域，具体而言，涉及一种问卷信息结构化数据处理方法、系统、电子设备及存储介质。

背景技术

随着互联网的大力发展，线上进行问卷调查和服务评价已成为人们维护自己权益和提升服务质量的重要手段。问卷回收回来后，需要对用户的问卷答案进行内容分析。

现有的问卷内容分析，往往不够细致，无法获取进一步的信息，无法得知用户的真实感受，无法为企业提供针对性服务和指导。

发明内容

本申请实施例的第一目的在于提供一种问卷信息结构化数据处理方法，旨在解决上述现有技术存在的至少一个问题。

本申请实施例是这样实现的，一种问卷信息结构化数据处理方法，包括：

获取回收的问卷题目的答题内容，对所述答题内容进行分词处理，将所述答题内容的长文本切分为若干个符合语义的词汇组合；

统计每个词汇组合的出现次数，计算每个词汇组合出现的频率，根据每个词汇组合出现的频率，筛选出目标词汇组合；

将所述目标词汇组合输入预先训练的文本分类算法模型中，得到所述目标词汇组合对应的话题和所述话题附带的情感标签。

在一个实施例中，所述对所述答题内容进行分词处理包括：将所述答题内容转换为字符串类型数据，使用NLP自然语言处理算法对所述答题内容对应的字符串进行分词。

在一个实施例中，在将所述答题内容的长文本切分为若干个符合语义的词汇组合之后，在统计每个词汇组合的出现次数之前，还包括：接收用户添加的新词汇和/或接收用户对若干个所述词汇组合中不具有业务含义的词汇组合的删除请求，将所述新词汇加入所述词汇组合中和/或从若干个所述词汇组合中删除用户请求删除的词汇组合。

在一个实施例中，所述文本分类算法模型的训练过程包括：预设多个话题，将每个话题进行层级拆分得到每个话题下的细颗粒度话题，建立每个话题和每个细颗粒度话题的情感标签，标注所述词汇组合与所述话题、细颗粒度话题和情感标签的映射关系，将所述词汇组合与所述话题、细颗粒度话题和情感标签的映射关系作为所述文本分类模型的输入输出进行训练得到所述文本分类算法模型。

在一个实施例中，所述情感标签包括正面、中性和负面，所述情感标签与所述词汇组合建立有映射关系，当用户点击所述情感标签时，跳转至所述情感标签映射的词汇组合所对应的所述答题内容。

在一个实施例中，所述根据每个词汇组合出现的频率，筛选出目标词汇组合包括：根据每个词汇组合出现的频率，生成词云图可视化图表，根据所述词云图可视化图表基于预设规则筛选出目标词汇组合，所述预设规则为所述词汇组合在所述词云图可视化图表中的文字大小排名为前N名的词汇组合，N为正整数。

本申请实施例的另一目的在于提供一种问卷信息结构化数据处理系统，包括：

分词模块，用于获取回收的问卷题目的答题内容，对所述答题内容进行分词处理，将所述答题内容的长文本切分为若干个符合语义的词汇组合；

统计模块，用于统计每个词汇组合的出现次数，计算每个词汇组合出现的频率，根据每个词汇组合出现的频率，筛选出目标词汇组合；

分析处理模块，用于将所述目标词汇组合输入预先训练的文本分类算法模型中，得到所述目标词汇组合对应的话题和所述话题附带的情感标签。

在一个实施例中，所述对所述答题内容进行分词处理包括：将所述答题内容转换为字符串类型数据，使用NLP自然语言处理算法对所述答题内容对应的字符串进行分词。

本申请实施例的又一目的在于提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述问卷信息结构化数据处理方法的步骤。

本申请实施例的再一目的在于一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述问卷信息结构化数据处理方法的步骤。

本申请实施例提供的一种问卷信息结构化数据处理方法、系统、电子设备及存储介质，该问卷信息结构化数据处理方法，通过获取回收的问卷题目的答题内容，对所述答题内容进行分词处理，将所述答题内容的长文本切分为若干个符合语义的词汇组合；统计每个词汇组合的出现次数，计算每个词汇组合出现的频率，根据每个词汇组合出现的频率，筛选出目标词汇组合；将所述目标词汇组合输入预先训练的文本分类算法模型中，得到所述目标词汇组合对应的话题和所述话题附带的情感标签。由此可以将回收的问卷内容进行更加细致的分析，得到用户关注的主题以及主题对应的情感标签，提高问卷信息分析的准确度，得到用户答题的有效内容，以便为企业提供针对性服务和指导。进一步可以减少对回收问卷的重复分析，以减少服务资源的浪费。

附图说明

图1为本申请一个实施例提供的问卷信息结构化数据处理方法的实现流程；

图2为本申请一个实施例提供的问卷信息结构化数据处理系统的主要模块示意图；

图3为本申请实施例提供的可以应用于其中的示例性系统架构图；

图4为适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。

需要指出的是，在不冲突的情况下，本申请中的实施例以及实施例中的特征可以互相组合。

为了进一步阐述本申请为实现预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本申请的具体实施方式、结构、特征及其功效，详细说明如下。

图1示出了本申请一个实施例提供的一种问卷信息结构化数据处理方法的实现流程，为了便于说明，仅示出与本申请实施例相关的部分，详述如下：

一种问卷信息结构化数据处理方法，包括以下步骤：

S101：获取回收的问卷题目的答题内容，对所述答题内容进行分词处理，将所述答题内容的长文本切分为若干个符合语义的词汇组合；

S102：统计每个词汇组合的出现次数，计算每个词汇组合出现的频率，根据每个词汇组合出现的频率，筛选出目标词汇组合；

S103：将所述目标词汇组合输入预先训练的文本分类算法模型中，得到所述目标词汇组合对应的话题和所述话题附带的情感标签。

在步骤S101中：获取回收的问卷题目的答题内容，对所述答题内容进行分词处理，将所述答题内容的长文本切分为若干个符合语义的词汇组合。

在问卷调查时，当问卷投放出去后，用户填写完问卷进行回收后，需要对用户填写的答案进行分析，尤其是对于开放性问卷题目的内容，用户填写的答案是很长的一段长文本内容，需要对问卷内容进行分析。问卷内容分析，可以从上千上万份问卷中，通过语言模型等方法，对问卷内容进行解析，获取问卷内容中的词频，根据词频内容分析用户的关注点，例如，以餐饮行业为例，通过词频，了解用户可能比较关注装修、口味、用餐环境等。但是，这样分析，无法获取进一步的信息，也就无法对企业提供针对性指导，也即，只能够了解用户关注装修、口味等，但是无法进一步了解，用户到底是对装修的哪一部分、具体哪天的口味不满意、不满意的点是什么等。

在这里，可以获取回收的问卷题目的答题内容，比如，将用户对开放性题目的答题内容进行获取得到问卷内容的长文本内容，对长文本内容进行分词处理，以将所述答题内容的长文本切分为若干个符合语义的词汇组合。由此可以便于后续的分析处理。需要说明的是，符合语义的词汇组合，可以通过预设的方式，或者利用自然语言处理算法中的分词技术进行分词以得到符合语义的词汇组合，比如通过训练分词算法模型进行实现。

示例性的，当答题内容为“餐馆的装修风格还不错，红烧茄子挺好吃的，就是服务员态度不行”可以进行分词，分词后的词汇组合可以包括：餐馆的，装修风格，还不错，红烧茄子，挺好吃的。

在一个实施例中，所述对所述答题内容进行分词处理包括：将所述答题内容转换为字符串类型数据，使用NLP自然语言处理算法对所述答题内容对应的字符串进行分词。在获取到答题内容的长文本内容后，可以将答题内容的长文本内容转换为字符串类型数据，以便于作为自然语言处理算法的输入进行分词处理，在这里，可以使用NLP自然语言处理算法对答题内容对应的字符串进行分词处理得到若干个符合语义的词汇组合，比如，可以通过预先训练或选取现有NLP自然语言处理算法模型，将答题内容的长文本内容对应的字符串输入NLP算法模型中得到符合语义的词汇组合。

在一个实施例中，在将所述答题内容的长文本切分为若干个符合语义的词汇组合之后，在统计每个词汇组合的出现次数之前，还包括：接收用户添加的新词汇和/或接收用户对若干个所述词汇组合中不具有业务含义的词汇组合的删除请求，将所述新词汇加入所述词汇组合中和/或从若干个所述词汇组合中删除用户请求删除的词汇组合。由此，在通过NLP算法模型处理得到符合语义的词汇组合后，用户还可以自行添加分词算法未分割出的新词汇或删除分词算法分割出的和业务场景不符合、不具有业务含义的没有价值的词汇组合，仅保留符合语义与业务场景的词汇。，以提升后续统计分析的准确性，进一步提高问卷内容分析的细致性，获得更多的信息。

在步骤S102中：统计每个词汇组合的出现次数，计算每个词汇组合出现的频率，根据每个词汇组合出现的频率，筛选出目标词汇组合。在将答题内容的长文本内容进行分词后，得到的是多个词汇组合，多个词汇组合中，每个词汇组合出现的次数可能是一次或多次，因此在得到多个词汇组合后，对每个词汇组合的出现次数进行统计，由此计算出每个词汇组合的词频，然后根据每个词汇组合的词频筛选出目标词汇组合，作为后续观点分析的维度。在这里，目标词汇组合的筛选，可以基于预设规则或预设条件的方式实现，比如当每个词汇组合出现的频率大于一定阈值时将该词汇组合确定为目标词汇组合。

在一个实施例中，所述根据每个词汇组合出现的频率，筛选出目标词汇组合包括：根据每个词汇组合出现的频率，生成词云图可视化图表，根据所述词云图可视化图表基于预设规则筛选出目标词汇组合，所述预设规则为所述词汇组合在所述词云图可视化图表中的文字大小排名为前N名的词汇组合，N为正整数。在这里，根据每个词汇组合出现的词频，生成词云图可视化图表，由此可以便于根据每个词汇组合在词云图可视化图表中的字体大小清楚的显示词频较高的词汇组合，便于确定目标词汇组合。在词云图可视化图表中，频率越大的词汇字体越大，即用户关注度越高的词汇字体越大。例如，客户关注的一些点，比如说我想知道他到底是在说我的装修，还是说我的产品，还是我的服务，还是说我的交通，通过统计装修、产品、服务等词汇出现的频率，在词云图中的字体大小来来反映用户的关注程度。

需要说明的是，同时用户可灵活设置词云图可视化效果，如词汇排布紧凑度、文本显示横纵方向、词云图底纹样式、图表背景颜色等个性化配置。通过设定词云图的不同展示形式，也可以相应的调整筛选目标词汇组合的预设规则。

示例性的，可以设定预设规则筛选目标词汇组合，比如可以设定在词云图可视化图表中文体大小为前五名的词汇组合作为目标词汇组合。需要说明的是，还可以将词云图可视化图表推送至管理员客户端进行展示，管理员通过词云图可视化图表选择想设定的词汇组合，然后在接收到管理员选定的词汇组合将其确定为目标词汇组合。由此可以提高问卷内容信息分析的可操作性。

在步骤S103中：将所述目标词汇组合输入预先训练的文本分类算法模型中，得到所述目标词汇组合对应的话题和所述话题附带的情感标签。目标词汇组合为筛选出的用户最关注的评价维度，是用户最在乎的体验，将目标词汇组合输入预先训练的文本分类算法模型中，得到所述目标词汇组合对应的话题和所述话题附带的情感标签，可以分析得到答题内容中用户最关注点的细颗粒度的评价信息，同时可以得到用户对最关注话题反馈的情感标签。

在一个实施例中，所述文本分类算法模型的训练过程包括：预设多个话题，将每个话题进行层级拆分得到每个话题下的细颗粒度话题，建立每个话题和每个细颗粒度话题的情感标签，标注所述词汇组合与所述话题、细颗粒度话题和情感标签的映射关系，将所述词汇组合与所述话题、细颗粒度话题和情感标签的映射关系作为所述文本分类模型的输入输出进行训练得到所述文本分类算法模型。由此可以得到精确的文本分类算法模型，以对目标词汇组合进行处理输出细颗粒度话题和其对应情感标签。进而实现了将目标词汇组合数据输入，通过已训练的模型，输出被映射的话题及话题附带的情感标签，得知用户观点，便于对企业进行针对性的指导和服务。

在一个实施例中，所述情感标签包括正面、中性和负面，所述情感标签与所述词汇组合建立有映射关系，当用户点击所述情感标签时，跳转至所述情感标签映射的词汇组合所对应的所述答题内容。由此可通过话题观点统计数据识别用户关注最多的内容是什么、以及某观点关联的文本评价到底是正面居多还是负面居多，针对性的进行用户舆情研判，提升业务。同时，可以实现从抽象到具体的舆情分析体系。如：业务方发现菜品口味话题的负面提及量较高，进一步可查看所有菜品口味负面的评论文本，更精确洞察用户的体验，进而优化业务。

例如，目标词汇组合为品质、服务、价格等高词频词汇，在得到目标词汇组合后，将话题进行细颗粒度层级拆分，如：价格拆分为价格水平、性价比、优惠程度等，基于预先训练好的NLP文本分类算法模型，将答题内容中用户反馈的文本，映射到具体的细颗粒度话题上，并针对细颗粒度的话题进行正面、中性、负面等标签的情感分析，达到话题附着情感标签形成观点的体系。如：模型可以统计出所有关联“价格水平”话题的评论条数为12条，并且进一步的可统计其中关于“价格水平”正面、负面、中性的表达分别为：10条、5条、4条。

由此，可以在此分析基础上，生成数据分析页面，数据分析页面包括每个话题、每个话题下的细颗粒度话题和所述话题附带的情感标签的分析结果数据，管理员可通过观点统计数据识别用户关注最多的内容是什么、以及某观点关联的文本评价到底是正面居多还是负面居多，针对性的进行用户舆情研判，提升业务。如：通过观点情感分析发现本月提及量最高的是“服务态度”，进一步分析发现80％的评价文本是对服务态度负面的反馈，因此业务方可精确察觉到业务问题所在为服务人员态度较差导致的用户体验下降，可针对性进行服务人员培训等任务。

由此，本申请实施例提供的问卷信息结构化数据处理方法，通过获取回收的问卷题目的答题内容，对所述答题内容进行分词处理，将所述答题内容的长文本切分为若干个符合语义的词汇组合；统计每个词汇组合的出现次数，计算每个词汇组合出现的频率，根据每个词汇组合出现的频率，筛选出目标词汇组合；将所述目标词汇组合输入预先训练的文本分类算法模型中，得到所述目标词汇组合对应的话题和所述话题附带的情感标签。由此可以将回收的问卷内容进行更加细致的分析，得到用户关注的主题以及主题对应的情感标签，提高问卷信息分析的准确度，得到用户答题的有效内容，以便为企业提供针对性服务和指导。进一步可以减少对回收问卷的重复分析，以减少服务资源的浪费。

图2示出了本申请实施例提供的问卷信息结构化数据处理系统的主要模块示意图，为了便于说明，仅示出与本申请实施例相关的部分，详述如下：

一种问卷信息结构化数据处理系统200，包括：

分词模块201，用于获取回收的问卷题目的答题内容，对所述答题内容进行分词处理，将所述答题内容的长文本切分为若干个符合语义的词汇组合；

统计模块202，用于统计每个词汇组合的出现次数，计算每个词汇组合出现的频率，根据每个词汇组合出现的频率，筛选出目标词汇组合；

分析处理模块203，用于将所述目标词汇组合输入预先训练的文本分类算法模型中，得到所述目标词汇组合对应的话题和所述话题附带的情感标签。

对于分词模块201：用于获取回收的问卷题目的答题内容，对所述答题内容进行分词处理，将所述答题内容的长文本切分为若干个符合语义的词汇组合。

在问卷调查时，当问卷投放出去后，用户填写完问卷进行回收后，需要对用户填写的答案进行分析，尤其是对于开放性问卷题目的内容，用户填写的答案是很长的一段长文本内容，需要对问卷内容进行分析。问卷内容分析，可以从上千上万份问卷中，通过语言模型等方法，对问卷内容进行解析，获取问卷内容中的词频，根据词频内容分析用户的关注点，例如，以餐饮行业为例，通过词频，了解用户可能比较关注装修、口味、用餐环境等。但是，这样分析，无法获取进一步的信息，也就无法对企业提供针对性指导，也即，只能够了解用户关注装修、口味等，但是无法进一步了解，用户到底是对装修的哪一部分、具体哪天的口味不满意、不满意的点是什么等。

在这里，可以获取回收的问卷题目的答题内容，比如，将用户对开放性题目的答题内容进行获取得到问卷内容的长文本内容，对长文本内容进行分词处理，以将所述答题内容的长文本切分为若干个符合语义的词汇组合。由此可以便于后续的分析处理。需要说明的是，符合语义的词汇组合，可以通过预设的方式，或者利用自然语言处理算法中的分词技术进行分词以得到符合语义的词汇组合，比如通过训练分词算法模型进行实现。

示例性的，当答题内容为“餐馆的装修风格还不错，红烧茄子挺好吃的，就是服务员态度不行”可以进行分词，分词后的词汇组合可以包括：餐馆的，装修风格，还不错，红烧茄子，挺好吃的。

在一个实施例中，所述对所述答题内容进行分词处理包括：将所述答题内容转换为字符串类型数据，使用NLP自然语言处理算法对所述答题内容对应的字符串进行分词。在获取到答题内容的长文本内容后，可以将答题内容的长文本内容转换为字符串类型数据，以便于作为自然语言处理算法的输入进行分词处理，在这里，可以使用NLP自然语言处理算法对答题内容对应的字符串进行分词处理得到若干个符合语义的词汇组合，比如，可以通过预先训练或选取现有NLP自然语言处理算法模型，将答题内容的长文本内容对应的字符串输入NLP算法模型中得到符合语义的词汇组合。

在一个实施例中，在将所述答题内容的长文本切分为若干个符合语义的词汇组合之后，在统计每个词汇组合的出现次数之前，还包括：接收用户添加的新词汇和/或接收用户对若干个所述词汇组合中不具有业务含义的词汇组合的删除请求，将所述新词汇加入所述词汇组合中和/或从若干个所述词汇组合中删除用户请求删除的词汇组合。由此，在通过NLP算法模型处理得到符合语义的词汇组合后，用户还可以自行添加分词算法未分割出的新词汇或删除分词算法分割出的和业务场景不符合、不具有业务含义的没有价值的词汇组合，仅保留符合语义与业务场景的词汇。，以提升后续统计分析的准确性，进一步提高问卷内容分析的细致性，获得更多的信息。

对于统计模块202：用于统计每个词汇组合的出现次数，计算每个词汇组合出现的频率，根据每个词汇组合出现的频率，筛选出目标词汇组合。在将答题内容的长文本内容进行分词后，得到的是多个词汇组合，多个词汇组合中，每个词汇组合出现的次数可能是一次或多次，因此在得到多个词汇组合后，对每个词汇组合的出现次数进行统计，由此计算出每个词汇组合的词频，然后根据每个词汇组合的词频筛选出目标词汇组合，作为后续观点分析的维度。在这里，目标词汇组合的筛选，可以基于预设规则或预设条件的方式实现，比如当每个词汇组合出现的频率大于一定阈值时将该词汇组合确定为目标词汇组合。

在一个实施例中，所述根据每个词汇组合出现的频率，筛选出目标词汇组合包括：根据每个词汇组合出现的频率，生成词云图可视化图表，根据所述词云图可视化图表基于预设规则筛选出目标词汇组合，所述预设规则为所述词汇组合在所述词云图可视化图表中的文字大小排名为前N名的词汇组合，N为正整数。在这里，根据每个词汇组合出现的词频，生成词云图可视化图表，由此可以便于根据每个词汇组合在词云图可视化图表中的字体大小清楚的显示词频较高的词汇组合，便于确定目标词汇组合。在词云图可视化图表中，频率越大的词汇字体越大，即用户关注度越高的词汇字体越大。例如，客户关注的一些点，比如说我想知道他到底是在说我的装修，还是说我的产品，还是我的服务，还是说我的交通，通过统计装修、产品、服务等词汇出现的频率，在词云图中的字体大小来来反映用户的关注程度。

需要说明的是，同时用户可灵活设置词云图可视化效果，如词汇排布紧凑度、文本显示横纵方向、词云图底纹样式、图表背景颜色等个性化配置。通过设定词云图的不同展示形式，也可以相应的调整筛选目标词汇组合的预设规则。

示例性的，可以设定预设规则筛选目标词汇组合，比如可以设定在词云图可视化图表中文体大小为前五名的词汇组合作为目标词汇组合。需要说明的是，还可以将词云图可视化图表推送至管理员客户端进行展示，管理员通过词云图可视化图表选择想设定的词汇组合，然后在接收到管理员选定的词汇组合将其确定为目标词汇组合。由此可以提高问卷内容信息分析的可操作性。

对于分析处理模块203：用于将所述目标词汇组合输入预先训练的文本分类算法模型中，得到所述目标词汇组合对应的话题和所述话题附带的情感标签。目标词汇组合为筛选出的用户最关注的评价维度，是用户最在乎的体验，将目标词汇组合输入预先训练的文本分类算法模型中，得到所述目标词汇组合对应的话题和所述话题附带的情感标签，可以分析得到答题内容中用户最关注点的细颗粒度的评价信息，同时可以得到用户对最关注话题反馈的情感标签。

在一个实施例中，所述文本分类算法模型的训练过程包括：预设多个话题，将每个话题进行层级拆分得到每个话题下的细颗粒度话题，建立每个话题和每个细颗粒度话题的情感标签，标注所述词汇组合与所述话题、细颗粒度话题和情感标签的映射关系，将所述词汇组合与所述话题、细颗粒度话题和情感标签的映射关系作为所述文本分类模型的输入输出进行训练得到所述文本分类算法模型。由此可以得到精确的文本分类算法模型，以对目标词汇组合进行处理输出细颗粒度话题和其对应情感标签。进而实现了将目标词汇组合数据输入，通过已训练的模型，输出被映射的话题及话题附带的情感标签，得知用户观点，便于对企业进行针对性的指导和服务。

在一个实施例中，所述情感标签包括正面、中性和负面，所述情感标签与所述词汇组合建立有映射关系，当用户点击所述情感标签时，跳转至所述情感标签映射的词汇组合所对应的所述答题内容。由此可通过话题观点统计数据识别用户关注最多的内容是什么、以及某观点关联的文本评价到底是正面居多还是负面居多，针对性的进行用户舆情研判，提升业务。同时，可以实现从抽象到具体的舆情分析体系。如：业务方发现菜品口味话题的负面提及量较高，进一步可查看所有菜品口味负面的评论文本，更精确洞察用户的体验，进而优化业务。

例如，目标词汇组合为品质、服务、价格等高词频词汇，在得到目标词汇组合后，将话题进行细颗粒度层级拆分，如：价格拆分为价格水平、性价比、优惠程度等，基于预先训练好的NLP文本分类算法模型，将答题内容中用户反馈的文本，映射到具体的细颗粒度话题上，并针对细颗粒度的话题进行正面、中性、负面等标签的情感分析，达到话题附着情感标签形成观点的体系。如：模型可以统计出所有关联“价格水平”话题的评论条数为12条，并且进一步的可统计其中关于“价格水平”正面、负面、中性的表达分别为：10条、5条、4条。

由此，可以在此分析基础上，生成数据分析页面，数据分析页面包括每个话题、每个话题下的细颗粒度话题和所述话题附带的情感标签的分析结果数据，管理员可通过观点统计数据识别用户关注最多的内容是什么、以及某观点关联的文本评价到底是正面居多还是负面居多，针对性的进行用户舆情研判，提升业务。如：通过观点情感分析发现本月提及量最高的是“服务态度”，进一步分析发现80％的评价文本是对服务态度负面的反馈，因此业务方可精确察觉到业务问题所在为服务人员态度较差导致的用户体验下降，可针对性进行服务人员培训等任务。

由此，本申请实施例提供的问卷信息结构化数据处理系统，通过获取回收的问卷题目的答题内容，对所述答题内容进行分词处理，将所述答题内容的长文本切分为若干个符合语义的词汇组合；统计每个词汇组合的出现次数，计算每个词汇组合出现的频率，根据每个词汇组合出现的频率，筛选出目标词汇组合；将所述目标词汇组合输入预先训练的文本分类算法模型中，得到所述目标词汇组合对应的话题和所述话题附带的情感标签。由此可以将回收的问卷内容进行更加细致的分析，得到用户关注的主题以及主题对应的情感标签，提高问卷信息分析的准确度，得到用户答题的有效内容，以便为企业提供针对性服务和指导。进一步可以减少对回收问卷的重复分析，以减少服务资源的浪费。

本申请实施例还提供一种电子设备，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，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本申请实施例的问卷信息结构化数据处理方法。

本申请实施例还提供一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现本申请实施例的问卷信息结构化数据处理方法。

图3示出了可以应用本申请实施例的问卷信息结构化数据处理方法或系统的示例性系统架构300。

如图3所示，系统架构300可以包括终端设备301、302、303，网络304和服务器305。网络304用以在终端设备301、302、303和服务器305之间提供通信链路的介质。网络304可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备301、302、303通过网络304与服务器305交互，以接收或发送消息等。终端设备301、302、303上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备301、302、303可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于车载智能屏、智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器305可以是提供各种服务的服务器，例如对用户利用终端设备301、302、303所发送的往来消息提供支持的后台管理服务器。后台管理服务器可以在接收到终端设备请求后进行分析等处理，并将处理结果反馈给终端设备。

需要说明的是，本申请实施例所提供的问卷信息结构化数据处理方法一般由服务器305或终端设备301、302、303执行，相应地，问卷信息结构化数据处理系统一般设置于服务器305或终端设备301、302、303中。

应该理解，图3中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图4，其示出了适于用来实现本申请实施例的电子设备的计算机系统400的结构示意图。图4示出的计算机系统仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图4所示，计算机系统400包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有系统400操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。

特别地，根据本申请公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本申请的系统中限定的上述功能。

需要说明的是，本申请所示的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本申请中，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。而在本申请中，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。

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。在这点上，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，上述模块、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，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括确定模块、提取模块、训练模块和筛选模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，确定模块还可以被描述为“确定候选用户集的模块”。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种问卷信息结构化数据处理方法，其特征在于，包括：

获取回收的问卷题目的答题内容，对所述答题内容进行分词处理，将所述答题内容的长文本切分为若干个符合语义的词汇组合；

统计每个词汇组合的出现次数，计算每个词汇组合出现的频率，根据每个词汇组合出现的频率，筛选出目标词汇组合；

将所述目标词汇组合输入预先训练的文本分类算法模型中，得到所述目标词汇组合对应的话题和所述话题附带的情感标签。

2.根据权利要求1所述的问卷信息结构化数据处理方法，其特征在于，所述对所述答题内容进行分词处理包括：将所述答题内容转换为字符串类型数据，使用NLP自然语言处理算法对所述答题内容对应的字符串进行分词。

3.根据权利要求1所述的问卷信息结构化数据处理方法，其特征在于，在将所述答题内容的长文本切分为若干个符合语义的词汇组合之后，在统计每个词汇组合的出现次数之前，还包括：接收用户添加的新词汇和/或接收用户对若干个所述词汇组合中不具有业务含义的词汇组合的删除请求，将所述新词汇加入所述词汇组合中和/或从若干个所述词汇组合中删除用户请求删除的词汇组合。

4.根据权利要求3所述的问卷信息结构化数据处理方法，其特征在于，所述文本分类算法模型的训练过程包括：预设多个话题，将每个话题进行层级拆分得到每个话题下的细颗粒度话题，建立每个话题和每个细颗粒度话题的情感标签，标注所述词汇组合与所述话题、细颗粒度话题和情感标签的映射关系，将所述词汇组合与所述话题、细颗粒度话题和情感标签的映射关系作为所述文本分类模型的输入输出进行训练得到所述文本分类算法模型。

5.根据权利要求4所述的问卷信息结构化数据处理方法，其特征在于，所述情感标签包括正面、中性和负面，所述情感标签与所述词汇组合建立有映射关系，当用户点击所述情感标签时，跳转至所述情感标签映射的词汇组合所对应的所述答题内容。

6.根据权利要求1所述的问卷信息结构化数据处理方法，其特征在于，所述根据每个词汇组合出现的频率，筛选出目标词汇组合包括：根据每个词汇组合出现的频率，生成词云图可视化图表，根据所述词云图可视化图表基于预设规则筛选出目标词汇组合，所述预设规则为所述词汇组合在所述词云图可视化图表中的文字大小排名为前N名的词汇组合，N为正整数。

7.一种问卷信息结构化数据处理系统，其特征在于，包括：

分词模块，用于获取回收的问卷题目的答题内容，对所述答题内容进行分词处理，将所述答题内容的长文本切分为若干个符合语义的词汇组合；

统计模块，用于统计每个词汇组合的出现次数，计算每个词汇组合出现的频率，根据每个词汇组合出现的频率，筛选出目标词汇组合；

分析处理模块，用于将所述目标词汇组合输入预先训练的文本分类算法模型中，得到所述目标词汇组合对应的话题和所述话题附带的情感标签。

8.根据权利要求7所述的问卷信息结构化数据处理系统，其特征在于，所述对所述答题内容进行分词处理包括：将所述答题内容转换为字符串类型数据，使用NLP自然语言处理算法对所述答题内容对应的字符串进行分词。

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至6中任一项所述的问卷信息结构化数据处理方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至6中任一项所述的问卷信息结构化数据处理方法的步骤。

Images