CN114514546A - 用于促进产品研发的系统、方法和用户界面 - Google Patents

Abstract

一种促进产品研发的方法(600，700)和系统，包括：在第一用户界面区域中提供用于选择产品研究数据的多个过滤器(604)；接收显示针对相应产品集合的综合情绪评价的请求，相应产品集合与相应用户选定值对应(606)；获得对选定产品研究数据进行主题提取的结果(610)；获得对选定产品研究数据进行情绪分析的结果(612)；以及在第二用户界面区域中呈现相应产品集合的综合情绪评价，其包括在对与第一过滤器和第二过滤器的相应用户选定值对应的选定产品研究数据进行主题提取的结果中，对于多个排名靠前的主题中的每一个，正面客户情绪的定量度量的第一视觉表示邻近于负面客户情绪的定量度量的第二视觉表示(614)。

Description

用于促进产品研发的系统、方法和用户界面

相关申请的交叉引用

本申请要求于2019年11月15日提交的第16/685,870号美国专利申请的优先权，该美国专利申请的公开内容通过整体引用并入本文中。

技术领域

本公开总体上涉及产品研发系统，更具体地，涉及一种用于促进家用电器行业中的产品研发的系统、方法和用户界面。

背景技术

产品规划和优化包括设计满足市场需求和客户需求的新产品或改进现有产品以满足市场需求和客户需求。成功的产品规划和优化需要市场研究员或产品规划工程师对各种类型的产品数据进行全面分析，此类产品数据包括客户评价、客户回访和/或调查反馈。偏倚的分析或缺乏对市场的整体眼光将导致不适当的产品规划以及预测不能满足客户期望的产品和/或特征。

目前，现有技术的产品规划和优化方法主要依赖于销售数据、在线客户评价以及市场调查。虽然存在用于分析现有市场数据和客户调查的自然语言处理方法和数据挖掘技术，但是缺乏有意义地对数据进行分组或过滤以生成富有洞察力的结果的有效方法。此外，现有的开箱即用的数据分析解决方案不够灵活，需要大量的手工设计和努力以适应特定行业或产品。总体而言，现有的用于产品规划和优化的方法和系统有限制、缓慢、昂贵和低效。

因此，提供一种改进的系统和方法以促进各行业的产品研发，将是有益的。

发明内容

如背景技术部分所叙述的，现有技术的产品规划和优化方法在收集和总结客户反馈方面饱受低效之苦。例如，公司在分析大量电子商务数据时使用预定和通用的标签，以从产品评价中获得客户情绪。一些公司通过亲自回访来获得客户反馈。然而，使用预定标签可导致从数据分析获得的信息偏倚且有限，且可能错过一些趋势或开箱即用的想法。此外，现有技术可能只关注一般电子商务中的产品销售。结果，现有技术可适合于分析产品的营销和销售，但是在解决产品研发方面不能胜任。另外，现有的用于产品研发的解决方案严格死板，不适合于使用不同方式选择数据、分析数据以及可视化所选择的数据和分析结果，而这些数据和分析结果可能适合于不同的产品研发目标和阶段。

因此，需要一种用于执行数据挖掘和数据分析以促进产品(例如，家用电器和其它产品)研发的方法。

下面描述的实施方式提供用于对从各种数据资源获得的数据进行数据挖掘和数据分析以用于产品研发的系统和方法。本文公开的系统和方法给用户提供更直观和交互式的产品改进/规划建议，以帮助产品研发。本文公开的系统(例如，平台)使用主题建模和情绪分析来识别考虑用于产品研发的产品的主题以及与相应主题相关联的情绪。例如，系统给已过滤的品牌、竞争对手和/或数据源的产品生成所识别的主题(例如，特征)的利弊。结果，系统可给产品规划、研究、开发以及营销、销售和服务提供完整和全面的建议。在一些实施方式中，系统(例如，平台)使用一个或多个算法来执行数据挖掘和分析，一个或多个算法例如主题提取算法、情绪检测算法和/或特征提取算法。系统还可使用开放式API框架进行模型集成。

在一些实施方式中，一种促进产品研发的方法包括：在具有一个或多个处理器和存储器的设备上：在第一用户界面区域中提供用于选择产品研究数据的多个过滤器，其中，多个过滤器至少包括对应于一个或多个选定产品集合的第一过滤器和对应于一个或多个选定数据源的第二过滤器；通过第一用户界面区域接收显示针对相应产品集合的综合情绪评价的请求，相应产品集合与第一用户界面区域中的第一过滤器和第二过滤器的相应用户选定值对应；响应于通过第一用户界面区域接收到显示针对相应产品集合的综合情绪评价的请求：获得对与第一过滤器和第二过滤器的相应用户选定值对应的选定产品研究数据进行主题提取的结果；获得对与第一过滤器和第二过滤器的相应用户选定值对应的选定产品研究数据进行情绪分析的结果；以及在第二用户界面区域中呈现相应产品集合的综合情绪评价，其包括在对与第一过滤器和第二过滤器的相应用户选定值对应的选定产品研究数据进行主题提取的结果中，对于多个排名靠前的主题中的每一个，正面客户情绪的定量度量的第一视觉表示邻近于负面客户情绪的定量度量的第二视觉表示。

根据一些实施方式，一种计算系统(例如，平台)或设备(例如，用户设备)包括：一个或多个处理器；以及存储指令的存储器，当指令由一个或多个处理器执行时，指令使得处理器执行本文所描述的任何方法的操作。根据一些实施方式，提供一种计算机可读存储介质(例如，非暂时性计算机可读存储介质)，计算机可读存储介质存储一个或多个程序，一个或多个程序由语音控制设备的一个或多个处理器执行，一个或多个程序包括用于执行本文所描述的任何方法的指令。

根据下面的描述，本申请的各种优点是显而易见的。

附图说明

为了更好地理解所描述的各种实施例，应参考下文结合如下附图对实施例的描述，其中，在整个附图中，相同的附图标记指示对应的部件。

图1是示出根据一些实施例的、包括服务器系统、用户设备和用于促进产品研发的多个数据源的操作环境的框图。

图2示出了根据一些实施例的用于产品研发的数据挖掘和分析过程的框图。

图3示出了根据一些实施例的用于产品研发的数据挖掘和分析过程的框图。

图4示出了根据一些实施例的说明用于执行主题提取和情绪分析的过程的流程图。

图5A至图5I示出了根据一些实施例的用于呈现综合情绪评价以促进产品研发的用户界面的示例。

图6是根据一些实施例的促进在终端设备处执行的产品研发的方法的流程图。

图7是根据一些实施例的促进在服务器系统处执行的产品研发的方法的流程图。

图8是示出根据一些实施例的用于实施促进产品研发的方法的服务器系统的框图。

图9是示出根据一些实施例的、用于执行促进产品研发的方法和显示综合情绪评价的各种实施例的终端设备的框图。

在附图的多个视图中，相同的附图标记始终指示对应的部件。

具体实施方式

现在，将详细参考实施例，实施例的示例在附图中示出。在下面的详细描述中，阐述许多具体细节，以提供对本文提出的主题的透彻理解。然而，对于本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下实施该主题。在其它实例中，没有详细描述公知的方法、过程、组件和电路，以避免不必要地模糊实施例的方面。

下面参考本申请的实施例中的附图，清楚且完整地描述本申请的实施例中的技术方案。所描述的实施例仅仅是本申请的一部分实施例，而不是全部实施例。由本领域普通技术人员基于本申请的实施例在不付出创造性努力的情况下获得的所有其它实施例应落入本申请的保护范围内。

图1是示出根据一些实施例的操作环境100的框图，操作环境100包括服务器系统120、终端设备(例如，用户设备102)和用于促进产品研发的多个数据源(例如，外部服务158)。在一些实施例中，外部服务158包括一个或多个电器传感器数据源150(例如，包括电器使用日志、维护日志、电器操作系统更新日志、故障日志、故障排除日志等)、一个或多个人才资料数据源152(例如，诸如Indeed.com、Monster.com的招聘启事网站，诸如LinkedIn的专业资料网站)、一个或多个技术描述数据源154(例如，在专利数据库中列出的专利信息，例如谷歌专利，USPTO公布的专利信息)以及一个或多个电子商务数据源156(例如，来自在线零售网站(例如亚马逊、沃尔玛、好市多)的客户评价数据，销售和营销数据等)。在一些实施例中，与多个“数据源”相关的术语指的是信息处理系统或平台，信息处理系统或平台从多个用户(例如，个人用户、公司用户或其它类型的实体用户)获得数据(例如，销售数据、营销数据、客户评价数据、电器传感器数据、人才获取信息、专利信息等)；组织和存储所获得的数据；基于所存储的数据，接收与从所存储的数据获得信息(例如，获得与相应电器的使用日志相关的电器传感器数据)相关的用户请求，和/或与执行任务(例如，开始在线聊天会话以报告所购买的产品存在的问题，或响应于从安装在电器上的传感器接收的错误代码而向用户家里的电器发送命令)相关的用户请求，以及响应于所接收的用户请求来执行相应的操作。

如图1所示，在一些实施例中，用于促进产品研发的系统(在下文中称为“系统”)由服务器120托管，并根据客户端-服务器模型来实现。该系统包括在用户设备102(例如，笔记本计算机、台式计算机、智能手机、平板电脑或中央通信集线器)上执行的客户端侧部分(例如，模块)(例如，在图5A至图5I中示出)和在服务器系统120上执行的服务器侧部分(例如，后端模块、产品研发平台)，用户设备102部署在各个部署位置(例如，产品设计和生产站点、用户家里、公司办公室等)。在一些实施例中，在用户设备102上执行的客户端侧部分通过一个或多个网络160与在服务器系统120上执行的服务器侧部分通信。用户设备102执行客户端侧功能，例如接收与产品研发相关的用户请求，与服务器系统120交互，以及响应于用户请求而接收和输出结果。服务器系统120给任何数量的客户端设备(未示出)提供服务器侧功能，每个客户端设备驻留在相应的用户设备(例如，对不同的公司帐户或家庭帐户注册的用户设备)上。

在一些实施例中，服务器系统120包括一个或多个处理模块(例如，数据管理模块122、主题提取模块124、关键词分析模块126、情绪分析模块128、综合情绪评价生成模块130、属性聚类分析模块132、痛点分析模块134、定位分析模块154和比较模块150)、一个或多个处理器、用于存储数据(例如，客户评价数据204、客户售前查询206、呼叫中心投诉数据208、电器客户使用数据210、工作列表和人才资料数据214、以及专利数据218，见图2)和模型(例如，主题提取模型、情绪分析模型、特征提取模型等)的一个或多个数据库116、去到一个或多个用户设备102的I/O接口140、以及去到一个或多个外部服务158(例如，电器传感器数据源150、人才资料数据源152、技术描述数据源154和电子商务数据源156)的I/O接口118，一个或多个外部服务158位于它们各自的计算系统上。在一些实施例中，去到客户端侧模块的I/O接口140促进相应的用户设备102上的客户端侧模块的客户端侧输入和输出处理。在一些实施例中，一个或多个服务器侧模块利用通过各种内部和外部服务获得的各种实时数据、从用户设备接收的实时数据(例如，用户评价)和/或从家用电器接收的实时数据(例如，传感器数据)、以及存储在各种数据库中的现有数据，来执行数据分析以促进产品研发。在一些实施例中，服务器120通过网络160与外部服务158通信以获取数据。去到外部服务158的I/O接口118促进这种通信。

用户设备102的示例包括但不限于蜂窝电话、智能手机、手持式计算机、可穿戴计算设备(例如，HMD)、个人数字助理(PDA)、平板计算机、笔记本计算机、台式计算机、增强型通用分组无线业务(EGPRS)移动电话、媒体播放器、导航设备、游戏机、电视机、遥控器、销售点(POS)终端、车载计算机、电子书阅读器、现场计算机亭、移动销售机器人、仿人机器人，或者这些数据处理设备或其它数据处理设备中的任意两个或更多个的组合。如参考图2B所讨论的，相应的用户设备102可包括执行与在服务器侧模块106中所讨论的功能类似的功能的一个或多个客户端侧模块。相应的用户设备102还可包括与服务器系统104的数据库130类似的存储各种类型的数据的一个或多个数据库。

一个或多个网络110的示例包括局域网(LAN)和广域网(WAN)，例如因特网。可选地，一个或多个网络110使用任何已知的网络协议来实施，网络协议包括各种有线或无线协议，例如以太网、通用串行总线(USB)、火线(FIREWIRE)、长期演进(LTE)、全球移动通信系统(GSM)、增强型数据GSM环境(EDGE)、码分多址(CDMA)、时分多址(TDMA)、蓝牙、Wi-Fi、因特网协议语音(VoIP)、Wi-MAX或任何其它合适的通信协议。

在一些实施例中，外部服务158可以在至少一个数据处理设备和/或计算机的分布式网络上实现。在一些实施例中，外部服务158还采用第三方服务提供商(例如，第三方云服务提供商)的各种虚拟设备和/或服务来提供外部服务158的底层计算资源和/或基础设施资源。

图2示出了根据一些实施例的用于产品研发的数据挖掘和分析过程200的框图。在一些实施例中，过程200包括从包括产品级数据源202、人才级数据源212和技术级数据源216的多个数据源获得与产品相关的数据。在一些实施例中，产品级数据源202包括从一个或多个电子商务提供商(例如，亚马逊、沃尔玛、好市多、塔吉特等)和/或产品评价站点获得的客户产品评级/评价数据204和客户售前查询206。例如，客户产品评级/评价数据204包括来自在线和离线调查或回访的评价、客户在进行购买之前的问题/查询。在一些实施例中，产品级数据源202还包括呼叫中心投诉数据208(例如，客户服务呼叫中心反馈收集)。在一些实施例中，产品级数据源202还包括电器使用数据210，例如由集成在家里的一个或多个电器上的一个或多个传感器收集的实际电器使用数据。在一些实施例中，自然语言处理(NLP)分析和主题提取分析用于处理文本评价和识别特征焦点，以探索每个特征的利弊，从而基于与产品或品牌相关的评价、查询和/或投诉来获得建议。

如上所讨论的，仅仅知道产品的市场响应和用户评价是不够的。许多传统的过程忽略了人才信息的重要性。因此，应用NLP算法从对应于产品的行业的在线人才资料和工作列表中提取技术焦点(例如，主题)，公司就可提前规划他们构建/发明下一代产品需要什么样的技能组。在一些实施例中，人才级数据源202包括来自工作列表站点(例如，Indeed，Monster)的招聘启事数据或来自专业资料平台(例如，LinkedIn)的人才资料数据214。

有时，技术创新是人们计划做的事情，但是大多数传统的产品挖掘过程忽略了当前技术阶段处在什么样的水平。通过在专利数据库218(例如，IP.com、谷歌专利、汤姆森创新)上挖掘(例如，由市场上的竞争对手)申请和提交的专利，公司就可规划哪些领域仍然空白或需要改进。

除了从多个数据源获得与产品相关的数据之外，过程200还包括自动提取(220)主题并对数据执行情绪分析以获得每个提取的主题的情绪数据。在一些实施例中，产品级数据源202、人才级数据源212和技术级数据源216与大量非结构化数据相关联。过程200应用算法以加速对所收集的内容的理解。例如，主题算法提取作为数据中的句子焦点的主题。在一些实施例中，主题提取算法用于总结客户反馈和专利分析以识别多个主题。在一些实施例中，情绪算法用于分析客户反馈的情绪(例如，正面、中性或负面)以理解指定主题的利弊。在一些实施例中，特征提取用于从句子中提取特征，且与专利概念提取和人才技能组提取不同。

在一些实施例中，如图2所示，在提取选定产品的多个主题之后，系统生成词情绪图222(例如，用于在用户设备102上显示)，词情绪图222示出了对于每个提取的主题，并排比较的肯定词量和否定词量。在一些实施例中，系统还针对每个主题提取情绪(例如，从用户评价中提取，并包括肯定词、否定词和中性词)。系统还生成属性聚类224(例如，用于在用户设备102上显示)。例如，如图2所示，品牌图224中的正面属性聚类列出对于每个选定品牌或选定产品的每个聚类(例如，提取的主题或其它词(例如，在非主题模式下))，属性(例如，正面属性)的数量(例如，用户选择的数量，例如图2中的15)。在一些实施例中，系统获得所有用户评价中相应属性词的提及总数(例如，3675次提及“新”，2347次提及“旧”等)。该图还包括每个聚类词/主题词的提及总数(例如，所有用户评价中提及相应主题词或其它类型词的总次数，例如23597次提及“洗碗机”，22912次提及“餐具”)。

在一些实施例中，提取的主题、情绪以及相应的统计和分析可用于各种应用(例如，“产品大脑”230)。例如，提取的主题和相应的用户情绪可用于特定产品(例如，洗碗机)的工业设计232(例如，产品设计、功能设计等)。在一些实施例中，分析还可用于客户服务234(例如，基于用户投诉和用户评价预期用户体验，以及根据预期的用户体验来设计以改进产品特征和/或售后客户服务)、创新236(例如，与创新产品特征、设计和/或客户服务相关的研发)。

在一些实施例中，分析还可用于人才获取238。例如，从相关领域(例如，重点洗碗机或其它电器制造商)的招聘启事和专业资料214中提取的主题词可揭示产品的未来趋势，原因是行业将希望雇用具有用于产品研发的相关知识和技能的人才。例如，如果从洗碗机领域的人才数据中提取的主题词包括“材料科学”、“不锈钢”、“强度”、“工业设计”，则洗碗机的当前研发可聚焦于使用高级不锈钢材料、提高洗碗机组件的强度、以及基于当前工业设计理念改善洗碗机的总体外观和性能。

在一些实施例中，分析还可用于特征工程化240和创新236。例如，从专利数据库218中提取的主题词可识别与产品相关的前沿技术和特征。例如，如果从用于洗碗机的专利数据库中提取的主题词包括“架子”、“设计”、“清洁”、“方便”，则洗碗机的研发可聚焦于改进架子设计以提供方便的餐具放置和干净的清洗结果。

图3示出了根据一些实施例的用于产品研发的数据挖掘和分析过程300的框图。在一些实施例中，过程300的一个或多个步骤由服务器系统120执行。在一些实施例中，过程300包括从数据源302获得各种类型的数据，数据源302包括产品评级数据(例如，客户评价)、呼叫中心数据(例如，呼叫中心投诉)304、电器使用数据306(例如，电器使用日志、从传感器检测到的维护日志)、招聘启事和人才资料数据308、以及诸如专利数据库310的技术文档。

在一些实施例中，服务器系统120还将多个算法312(例如，存储在模型116中，见图1)应用于从各种数据源302获得的不同类型的数据。例如，服务器系统120将主题提取算法314应用于产品评价数据和呼叫中心客户投诉数据304以从这些数据中提取主题。在一些实施例中，提取的主题不一定是最频繁出现的关键词或一些常见的高级注释(例如，“好”、“坏”等)。相反，服务器120使用主题算法来提取作为对客户有意义的产品基本特征的主题(例如，在客户评价中讨论的关键特征)。例如，从产品评级/评价数据中提取的主题包括“餐具”、“安静”、“架子”和“干燥”，其意思是用户强调他们对洗碗机的评价侧重于与低噪声水平相关的特征、与架子相关的使用特征、以及餐具是否可高效且有效地干燥。在一些实施例中，服务器系统120还可训练自然语言处理(NLP)模型以处理人类语音数据(例如，来自呼叫中心的投诉数据)。

在一些实施例中，服务器系统120将主题提取算法314应用于招聘启事数据和人才资料数据308，以提取与选定产品的行业需要的知识和技能相关的主题词。在一些实施例中，服务器系统120还将主题提取算法314应用于专利数据库310，以从专利文档中提取与选定产品的行业中的关键技术和未来主要研发趋势相关的主题词。

在一些实施例中，服务器系统120将情绪算法316应用于产品评级/评价数据和呼叫中心用户投诉数据304(例如，在用NLP算法处理语音数据之后)以获得每个主题的用户情绪。例如，情绪算法从每个主题的用户评价数据和投诉数据中识别肯定词、否定词和中性词，并对每个主题的肯定词、否定词和中性词的数量进行计数。

在一些实施例中，服务器120还将特征提取算法318应用于电器使用数据306。例如，产品的关键特征可从电器使用日志、维护日志和/或错误日志中提取，例如“架子”、“排水”等。

在一些实施例中，服务器120通过使用如上所讨论的算法312处理来自数据源302的数据而获得产品特征320。在一些实施例中，产品特征包括提取与产品特征偏好324、人才偏好326、技术创新趋势328相关的主题。服务器还通过将情绪算法316应用于产品评级/评价数据和呼叫中心用户投诉数据304来获得产品情绪评级/评价322。

在一些实施例中，服务器120使用获得的特征320来实现目标330。例如，可以在用户请求中定义目标330以接收词情绪图222(图2)，且服务器120识别排名靠前的主题并对每个排名靠前的主题的正面评价和负面评价进行计数，以将词情绪图222呈现给用户设备102。在一些实施例中，用户请求与识别产品趋势技术和设计相关，以提供与产品研发战略332相关的洞察力。作为响应，服务器120将主题提取算法314应用于招聘启事数据和人才资料数据308以及专利数据库310，以获得与行业中的产品的研发过程中揭示的关键术语相关的主题。

图4示出了根据一些实施例的说明用于执行主题提取和情绪分析的过程400的流程图。在一些实施例中，过程400从将文本分离(402)成多个子句子开始。在一些实施例中，每个子句子包括等于或短于完整句子的多个词。在一些实施例中，过程400前进以对每个子句子中的词执行(404)语言标记。例如，服务器120使用具有条件随机场(CRF)层、基于长短期记忆(LSTM)的模型来对每个子句子中的词和/或符号执行语言标记，以获得相应词的语言标签，例如名词、动词或形容词。在一些实施例中，过程400前进以确定(406)每个子句子中的词的依赖关系。在一些实施例中，服务器120应用依赖关系解析器以给每个词赋予它在句子中的关系。例如，依赖关系解析器涉及到词的输出包括“subj”(主语)、“root”(从句的词根)、“dobj”(直接宾语)、“pobj”(介词的宾语)、“xcomp”(开放从句补语)和其它合适的依赖关系之一。在一些实施例中，过程400前进以至少基于语言标签和依赖关系来识别(408)相关句子(或子句子)并过滤掉不相关句子(或子句子)。在一些实施例中，过程400前进以将每个相关句子分类(410)成肯定、否定和中性。例如，服务器使用(来自变换器的双向编码器表示)BERT分类器(例如，学习速率为0.0000035、批处理大小为64、最大长度为50)来以0-1的概率对每个相关句子进行分类。更接近1的分数表示高度正面，介于1和0.5之间的分数表示正面，大约0.5的分数表示中性，介于0.5和0之间的分数表示负面，更接近0的分数表示高度负面。在一些实施例中，服务器还识别(412)每个目标词的邻近词(例如，使用的窗口大小为2)以确定每个目标的上下文并评估针对每个句子提取的主题。在一些实施例中，过程400应用多个假设，例如文本的主题与每个句子中的主题相关；句子的主语是名词或动词。在一些实施例中，过程400应用多个规则，例如如果一个词的词标签是名词，且如果该词位于主语词、直接宾语(dobj)、介词(pobj)及其宾语之中，则确定该词是主题词。规则的另一示例包括如果一个词的词标签是动词，且如果该词位于词根和开放从句补语(xcomp)之中，则确定该词是主题词。

图5A至图5I示出了根据一些实施例的用于呈现综合情绪评价以促进产品研发的用户界面的示例。在一些实施例中，分别参考图6和图7讨论的方法600和700的客户端侧功能在用户设备102上实现，且综合情绪评价的用户界面在用户设备102上显示。

图5A示出了用户界面500，其包括第一用户界面区域，即，用于呈现多个过滤器的“焦点”用户界面502，多个过滤器用于根据用户选择来选择产品研究数据和一个或多个综合情绪评价。在一些实施例中，多个过滤器作为多个下拉菜单来呈现，多个下拉菜单包括“组”菜单，“组”菜单用于选择产品组来生成综合情绪评价，例如产品类型或产品品牌。在一些实施例中，多个过滤器还包括下拉菜单，该下拉菜单用于选择与用于获得主题和情绪的数据源对应的“源”以呈现综合情绪评价。在一些实施例中，数据源从参考本公开的图2和图3及图6和图7讨论的产品特有数据和非产品特有数据中选择。例如，用户可选择特定的电子商务平台(例如，“亚马逊”)以获得产品特有数据来进行数据分析和呈现综合情绪评价。在一些实施例中，多个过滤器还包括下拉菜单，例如用于选择特定品牌的产品的“品牌”菜单、用于选择特定类型的产品(例如，洗碗机)的“产品”菜单、以及用于选择与特定时间段(例如，过去三个月、过去六个月，过去一年等)对应的数据的“时间”菜单，以进行数据分析并呈现综合情绪评价。在一些实施例中，用户界面500还包括用于选择产品类型(例如“洗碗机”)的下拉菜单514，如图5A所示。

在一些实施例中，用户界面500还包括用于在主题提及模式和纯词提及模式之间切换的“主题模式”选择项512(例如，如图5A所示的切换开关)。在一些实施例中，主题提及模式对应于使用如本公开中讨论的主题提取算法来从选定产品研究数据中识别主题。在一些实施例中，“焦点”更加与客户对特定产品的关键特征和度量的关注相关。在一些实施例中，纯词提及模式对应于识别在选定产品研究数据中具有最高出现率的词。

在一些实施例中，针对“焦点”502的主题提取可基于特定子类别的产品，用于销售产品类型、品牌产品或特定类型的产品的特定在线渠道；基于用户对用户界面500上的多个过滤器的选择。在一些实施例中，在“主题模式”下，将呈现从主题提取过程获得的靠前/最频繁提及的方面的数量(例如，N)，在其反馈中指示客户最关注的焦点什么。

在一些实施例中，在从多个下拉菜单过滤器接收到用户对一个或多个选项的选择之后，并在接收到与“焦点”用户界面502上的“提交”按钮进行的用户交互时，系统接收到显示综合情绪评价的请求。例如，如图5A所示，系统使用主题提取算法(例如，图3)从基于用户界面500上的过滤器的用户输入而选择的选定研究数据中提取多个主题。如“词频百分比”用户界面504所示的，系统还列出前十个最频繁提及的主题，包括“洗碗机”、“餐具”、“安静”、“架子”、“循环”、“干燥”、“机器”、“清洗”、“清洁”和“门”。在一些实施例中，“词频百分比”用户界面504还呈现分别对应于前十个主题的多个视觉表示(例如，条带)，其中每个视觉表示的尺寸(例如，长度)对应于所有提取的主题之中提及的对应主题的频率。例如，如图5A的“词频百分比”用户界面504所示的，最多提及的主题“洗碗机”用最长的条带来呈现且标记为“8.86％”，表明主题“洗碗机”的提及时间占据从选定研究数据中提取的所有主题的所有提及时间的8.86％。在最多提及的主题“洗碗机”之后，第二最多提及的主题“餐具”与第二最长条带相关联且标记为“6.60％”，表明主题“餐具”的提及时间占据从选定研究数据中提取的所有主题的所有提及时间的6.60％。第三最多提及的主题“安静”与第三最长条带相关联且标记为“3.97％”，表明主题“安静”的提及时间占据提取的所有主题的所有提及时间的3.97％。第四最多提及的主题“架子”与第四最长条带相关联且标记为“2.89％”，表明主题“架子”的提及时间占据提取的所有主题的所有提及时间的2.89％。第五最多提及的主题“循环”以提取的所有主题的所有提及时间的2.26％提及，第六最多提及的主题“干燥”以提取的所有主题的所有提及时间的2.11％提及，第七最多提及的主题“机器”以提取的所有主题的所有提及时间的1.56％提及，第八最多提及的主题“清洗”以提取的所有主题的所有提及时间的1.33％提及，第九最多提及的主题“清洁”以提取的所有主题的所有提及时间的1.30％提及，第十最多提及的主题“门”以提取的所有主题的所有提及时间的1.26％提及。在一些实施例中，“词频百分比”用户界面504还提供“保存图像”按钮，供用户获得所生成的图形的图像，以及还提供“保存CSV”按钮，供用户获得包括提取的主题及其相关联的统计数据的电子表格文档。

在一些实施例中，系统还呈现包括如图5A和图5B所示的“词情绪”用户界面506的综合情绪评价，用于视觉上呈现从每个排名靠前的主题(例如，客户主要关注的排名靠前的主题)的客户评级/评价数据中获得的用户情绪(例如，比较正面情绪和负面情绪)。在一些实施例中，对于相应的排名靠前的主题，例如最多提及的主题“洗碗机”，正面客户情绪的定量度量的第一视觉表示(例如，其长度对应于对主题“洗碗机”的正面评价的总数的明亮条形图，如“71”标记的)在负面客户情绪的定量度量的第二视觉表示(例如，其长度对应于对主题“洗碗机”的负面评价的总数的暗淡条形图，如“121”标记的)旁边显示，以将来自选定产品的相应主题的用户评价数据的正面情绪和负面情绪进行对比。如图5B所示，第二最多提及的主题“餐具”在正面评价中提及52次，在负面评价中提及93次。第三最多提及的主题“安静”在正面评价中提及42次，在负面评价中提及36次。在图5B的“词情绪”用户界面506中示出对每个主题词的正面提及和负面提及进行对比的类似条形图。这种条形图给用户提供直观的视觉表示，以显示每个主题的客户情绪反馈。

在一些实施例中，系统还呈现如图5A、图5C和图5D所示的“顶部正面属性聚类”508和“顶部负面属性聚类”510。在一些实施例中，“顶部正面属性聚类”508示出了多个主题词(例如，“餐具”、“洗碗机”、“架子”、“安静”、“干燥”)和对应于每个主题的多个属性(例如，“清洁”、“清洗”、“干燥”等)，每个主题对应于“聚类”。在一些实施例中，每个主题的属性的数量由用户定义，原因是用户可从下拉“属性数量”菜单中选择数量(例如，如图5C所示，每个主题有“15”个属性)。在一些实施例中，属性对应于从用户的评价数据获得的用户的正面情绪。在一些实施例中，“正面属性聚类”508中列出的每个聚类的属性对应于最频繁提及的词(例如，来自每个主题的正面评价的前15个最多提及的词)。在一些实施例中，每个属性词伴随有与属性词和选定主题的代表词的共同出现相关联的出现频率计数(例如，对于聚类“餐具”，“清洁”出现频率计数是19；“清洗”出现频率计数是10；“干燥”出现频率计数是8，等等)，选定主题对应于相应的正聚类。在一些实施例中，对于每个聚类，“顶部正面属性聚类”508还呈现该聚类的主题词的提及总数，例如“餐具”提及总数为“86”；“洗碗机”提及总数为“81”。

在一些实施例中，类似于“顶部正面属性聚类”508，“顶部负面属性聚类”510列出多个主题/聚类(例如，“洗碗机”、“餐具”、“干燥”、“循环”、“门”)和对应于每个聚类的预定数量(例如，属性编号“15”)的属性。在一些实施例中，“顶部负面属性聚类”510中列出的每个聚类的属性对应于最频繁提及的词(例如，来自每个主题的负面评价的前15个最多提及的词)。在一些实施例中，每个属性词伴随有出现频率计数(例如，对于聚类“洗碗机”，“完成”出现频率计数是21，“安静”出现频率计数是10，“厌恶”出现频率计数是8，等等)。在一些实施例中，对于每个聚类，“顶部负面属性聚类”510还呈现该聚类的主题词的提及总数，例如“洗碗机”提及总数为“86178”；“餐具”提及总数为“139”。

在一些实施例中，如图5E和图5F所示，基于用户的选择，靠前提及的负面方面的数量N(例如，从“焦点”字段502获得，例如从“词情绪”506获得)将由负面评价计数填充，以形成“痛点综述”520的一部分。这可指示客户对产品的某种功能或特征负面谈论了什么特定方面。如图5E和图5F所示，对于表格中在“焦点”下方列出的靠前提及的每个负面主题，在“坏”下方呈现负面评价/提及的总数量。在一些实施例中，一组或多组最多提及的词在“相关词”下方列出，例如“噪声”“大”“烦人”等形成的组和“声音”“低”“高”“速度”形成的组。每组词的提及时间的总计数在“技数”下方列出，且提及时间的百分比被计算并在“份额”下方列出。在一些实施例中，在“痛点注释”中呈现一个或多个示例性负面评价作为支持信息。所选择的示例性负面评价帮助用户方便地理解在原始上下文中提取的词和主题，从而理解用户关注的确切特征以及用户具有的与特征相关的特定情绪。在一些实施例中，“痛点注释”呈现排名靠前的负面评价，且该排名如下计算：

OverallPaintPointNoteRank＝focusWordSentimentScore*wt_i+relationStrength*wt_j

在一些实施例中，如图5G和图5H所示，多维度量例如“定位”图530或“定位”图(例如，条形图)540作为一种综合情绪评价来呈现。在一些实施例中，“定位”图示出在分析一个特定主题(例如，用户选择的主题)时性能最佳产品的各种定量度量。如图5G所示，在一些实施例中，定位图530包括多个圆，每个圆通过其尺寸表示特定产品的多个特征。例如，圆的直径(Φ)对应于相应产品的指定主题的提及总数，圆的中心的X坐标对应于基于相应产品的指定主题的评价数量，以及圆的中心的Y坐标对应于基于相应产品的指定主题的平均情绪值(例如，正面情绪是正值，负面情绪是负值)。因此，朝向顶部的圆/气泡流指示客户在反馈中提及的更好的评价(例如，更正面的情绪)。在一些实施例中，“定位”图530可用于在分析特定主题时示出性能最佳产品或性能最佳品牌(例如，在用户界面上提供切换负担得起，供用户在性能最佳产品和性能最佳品牌之间进行选择)。

例如，如图5G的定位图530所示，用户可选择“清洗”作为功能特征。对于更加朝向图顶部漂浮的气泡(例如，具有更大/更正的Y值)，在与特征“清洗”相关的方面，对特定产品或品牌的情绪更加正面。此外，更大的气泡(例如，具有更大的Φ值)表示对于相应产品或品牌，更多次主题提及词“清洗”。另外，对于更加朝向图右侧漂浮的气泡(例如，具有更大的X值)，相应的产品接收更多的评价，且可视为流行的产品。在一些实施例中，对应于具有更大直径且更加朝向图的右上方向定位的圆的产品/品牌表示性能更好的产品。因此，定位图530可给用户提供更有效和直观的方法来识别性能最佳产品/品牌。

在一些实施例中，用不同的颜色和/或图案进一步填充圆。在一些实施例中，用绿色或线条图案填充具有正面平均情绪的产品的圆，而用红色或点图案填充具有负面平均情绪的产品的圆。在一个示例中，情绪值越正，越要用更红的颜色或更密集的线填充对应的圆；情绪值越负，越要用更绿的颜色或更密集的点填充对应的圆。因此，圆的颜色或图案用于给用户提供更简单和直观的视觉体验，以查看哪个/哪些产品是用于指定主题的性能最佳产品。在一些实施例中，每个圆的颜色或图案还可表示相应产品的附加尺寸/特征。在一些实施例中，定位图530中的对象可以以三维呈现，以示出相应产品的其它尺寸/特征。在一些实施例中，当用户选择圆(例如，X1、Y1、Φ1)或与圆交互时，在定位图530中的文本框532中示出特征的定量度量的相应值，例如产品特征(例如，尺寸)、评价数量、平均情绪和总提及等。在一些实施例中，所考虑的产品的附加特性包括发布年份。例如，虽然更小的圆圈和/或更加朝向图右侧定位通常表示相应产品接收更少提及/评价(例如，由于销售数量更少，和/或与指定主题更加不相关导致)，但是如果产品刚刚发布，则更小的圆圈和/或更加朝向图右侧定位可表示产品的这样的主题特征是更创新/现代的(因此接收更少的评价)。然而，如果产品已发布多年且不认为是新产品，则更小的圆圈和/或更加朝向图右侧定位可表示产品在市场上不受欢迎，因此不可以认为是成功产品。

在另一示例中，如图5H所示，“定位图”540是示出与定位图530类似的内容的可选视觉表示。例如，如果用户选择“清洗”作为功能特征，则对于更加朝向图顶部漂浮的条带(例如，具有更大的Y坐标)，在与特征“清洗”相关的方面，特定产品或品牌的情绪更正面。此外，更长的条带(例如，具有更大的L坐标)表示对于相应产品或品牌，更多次主题提及功能词“清洗”。另外，对于更加朝向图右侧漂浮的条带(例如，具有更大的X坐标)，相应的产品接收更多的评价，且可视为流行的产品。

在一些实施例中，如图5I所示，可呈现“比较”用户界面550，以关于特定特征在多组产品、品牌、单个产品或不同网站源之间比较提及相应属性词的评价的数量和属性情绪值。在一些实施例中，“比较”用户界面550提供可由用户选择以执行比较的多个参数。例如，用户可选择与“博世”的一组内置式洗碗机和“GE”的一组内置式洗碗机相对应的两组产品。在一些实施例中，用户还选择多个属性词(例如，安静、架子、清洁、循环、负载等)。在一些实施例中，响应于用户对属性词的选择，显示相应属性词的提及次数，例如55598次提及“安静”，20410次提及“架子”。在一些实施例中，用户还可定义与产品研究数据相关联的时间段。

响应于用户对“提交”按钮的选择，系统执行相关数据分析，并呈现“属性情绪”图554和“聊天”图556。在一些实施例中，“属性情绪”图554示出了每个选定产品组的每个属性词的平均情绪分数。“属性情绪”图554在多组之间比较指定属性的总体反馈情绪综述。在一些实施例中，“聊天”图556与“属性情绪”图554并排呈现，如图5I所示。在一些实施例中，“聊天”图556示出了提及指定属性词的总评价的百分比。在一些实施例中，“聊天”图556在多组之间比较在对指定属性的评价中提到的流行度。

图6是根据一些实施例的促进产品研发的方法600的流程图。该方法在具有一个或多个处理器和存储器的计算系统(例如，用户设备102上的客户端侧功能)上执行(602)。在一些实施例中，方法600包括在第一用户界面区域(例如，图5A的“焦点”用户界面502)中提供(604)用于选择产品研究数据的多个过滤器(例如，可选择的选项的多选下拉菜单)。在一些实施例中，多个过滤器至少包括对应于一个或多个选定产品集合(例如，相关产品的“组”、产品类型、产品品牌等)的第一过滤器和对应于一个或多个选定数据源的第二过滤器。在一些实施例中，“数据源”包括(1)多个产品的相应的产品特有数据和(2)非产品特有数据。在一些实施例中，相应的产品特有数据包括：(a)一类产品(例如，一类电器、化妆品、电子设备、服装或家具等)或一个或多个相关类别产品(例如，对应于各种类型的厨房电器、各种类型的家用电器、各种类型的服装或各种类型的家具等的类别)的客户评价数据；以及(b)一类产品或一个或多个相关类别产品的产品使用数据(例如，从电器传输的反馈或使用日志(例如，由传感器检测)、来自销售员和经销商的销售报告、从电子商务门户网站传输的销售报告等)。在一些实施例中，一类产品对应于与品牌和型号相关联的特定类型产品，例如，由AAA公司制造的#aaa型号的洗碗机。在一些实施例中，客户评价数据包括在在线门户网站、市场调查、售前查询、客户支持呼叫、产品研究结果等上提供的客户评价，以及产品使用数据包括针对每个产品、产品类别或相关类别产品的销售、使用频率、客户呼叫频率等的统计。在一些实施例中，客户评价数据采取自然语言表示的文本内容的形式、评级的形式，以及产品使用数据采取统计、电子日志的形式。在一些实施例中，非产品特有数据包括与多个产品对应的行业的人才资料数据(例如，包括由一个或多个行业参与者(例如，多个产品的制造商和经销商)发布的招聘启事数据)和与多个产品相关的一个或多个技术领域的技术描述数据(例如，已公布的专利和出版物、学术论文、行业会议记录、行业白皮书等)中的至少一个。

在一些实施例中，方法600还包括通过第一用户界面区域接收(606)显示针对相应产品集合的综合情绪评价的请求，该相应产品集合与第一用户界面区域中的第一过滤器和第二过滤器的相应用户选定值对应。例如，如图5A所示，用户在选择组、品牌、产品过滤器中的至少一个下的一个或多个选项以及源过滤器下的一个或多个选项之后，点击“焦点”用户界面上的“提交”按钮。

在一些实施例中，响应于通过第一用户界面区域接收到显示针对相应产品集合的综合情绪评价的请求(608)，方法600还包括获得(610)对与第一过滤器和第二过滤器的相应用户选定值对应的选定产品研究数据进行主题提取的结果(例如，使用聚类和主题提取模型和算法来处理来自多个数据源的相应产品相关数据)。在一些实施例中，选定产品研究数据包括多个产品的相应的产品特有数据(例如，来自在线门户网站、电子商务网站等的产品评价数据)和非产品特有数据(例如，招聘启事数据，以及与多个产品相关的行业和技术领域的专利数据)。在一些实施例中，方法600包括获得与相应产品集合相关联的相应主题和相应主题的对应数值统计(例如，频率计数、出现百分比等)。

在一些实施例中，方法600还包括获得(612)对与第一过滤器和第二过滤器的相应用户选定值对应的选定产品研究数据进行情绪分析的结果。在一些实施例中，对于从对应于相应产品集合的相应的产品特有数据和非产品特有数据中提取的相应主题，对多个产品的相应的产品特有数据(例如，来自在线门户网站、电子商务网站等的产品平均数据)进行情绪分析的结果包括客户情绪度量的相应值(例如，对应于相应产品集合的相应主题的正面情绪和负面情绪的相应统计(例如，频率计数、出现百分比等)。

在一些实施例中，方法600还包括在第二用户界面区域中呈现(614)相应产品集合的综合情绪评价。在一些实施例中，呈现综合情绪评价包括在对与第一过滤器和第二过滤器的相应用户选定值对应的选定产品研究数据进行主题提取的结果中，对于多个排名靠前的主题中的每一个(例如，排名靠前的主题不同于在选定产品研究数据中具有最高出现率的词)，正面客户情绪的定量度量的第一视觉表示邻近于负面客户情绪的定量度量的第二视觉表示(例如，对相应产品的相应主题的正面评价与负面评价的总数进行对比的条形图)。

在一些实施例中，如图5A和图5B的词情绪图506所示，对于多个排名靠前的主题中的相应主题，正面客户情绪的定量度量的第一视觉表示由对应于相应主题的相应表示词(例如，属性词“安静”)标记，且第一视觉表示以对应于相应频率(例如，“安静，肯定词：42”)的视觉特征(例如，长度和数值)显示，相应频率是代表词(例如，词“安静”，可选地包括其变体)出现在与具有正面客户情绪的相应主题对应的选定产品研究数据的第一子集中的频率。在一些实施例中，包括代表词的选定产品研究数据并非全部聚焦于主题上，因此代表词的总词频不是可用于主题的真实相关数据量的准确度量。在一些实施例中，相应频率不包括代表词在具有正面客户情绪的选定产品研究数据的第二子集中的所有出现。在一些实施例中，一些句子可包括词“安静”并具有正面情绪，但是这些句子可以不与选定产品集合的标记为“安静”的主题相关。例如，在进入句子时仅提及词“安静”(例如，在句子“虽然我女儿对此相当安静，但她没有隐瞒她喜欢这种产品的事实。”中，于是该句子不是关注主题“安静”的句子，且该句子中的词“安静”不是主题词，且对于这种产品，第一频率不对词“安静”的这种出现进行计数。)。在一些实施例中，相应主题的第二视觉表示以对应于相应频率“36”的第二视觉特征(例如，对应于相应主题“安静”的负面客户情绪的数值和长度)显示，相应频率是代表词“安静”及其变体出现在与具有负面客户情绪的相应主题对应的选定产品研究数据的第三子集(例如，可以与或可以不与第一视觉表示相关联的第一子集和第二子集重叠)中的频率，相应频率可以不包括代表词在具有负面客户情绪的选定产品研究数据的第四子集中的所有出现。例如，包括“安静”但不作为句子的主题，而是具有负面情绪的评价；“没有什么是真正突出的(好或坏)，我宁愿对此保持安静。”)这在频率中不予计数。在一些实施例中，负面客户情绪的定量度量的第二视觉表示邻近于相应主题(“安静”)的相应第一视觉表示显示并由相应表示词标记。例如，在Y轴上显示相应主题词，第一表示的一端与第二视觉表示的一端接触；相应视觉表示的长度与相应频率成比例并由相应数值标记。

在一些实施例中，如图5A和图5B的顶部正/负属性聚类508和510所示，方法600还包括在第三用户界面区域(例如，示出“顶部正属性聚类”的区域)中显示一个或多个正聚类(可选地，显示一个或多个负聚类)。在一些实施例中，一个或多个正聚类中的相应正聚类由对应于相应正聚类的选定主题的代表词(例如，“安静”)标记，并由多个属性词(例如，洗碗机、清洁、清洗等)标记，多个属性词在与对应于相应正聚类的选定主题的代表词相同的上下文(例如，聚焦于同一段产品研究数据中的相同主题上)中出现。在一些实施例中，每个属性词伴随有与属性词和对应于相应正聚类的选定主题的代表词的共同出现相关联的出现频率计数(例如，洗碗机的出现频率计数是6，清洁的出现频率计数是3，清洗的出现频率计数是2等)。在一些实施例中，通过在选定产品研究数据中具有正面情绪的选定主题的代表词的总出现计数(例如，“26”次提及)来显示每个聚类。在一些实施例中，用户可指定属性计数(例如，属性编号＝3、5、15等)，且仅呈现相应聚类的排名靠前的属性词(例如，靠前的3、5、15等)(例如，在与聚类的相应主题相关的正面数据中，与相应主题的代表词最频繁地共同出现的词)。与相应主题对应的正聚类的排名靠前的属性词允许产品研究员在选定产品研究数据中提出相应主题时看到哪些其它词最频繁提及。

在一些实施例中，如图5E和图5F的痛点综述520所示，方法600还包括响应于用户请求分析针对选定产品研究数据具有负面情绪的数据，并根据选定产品研究数据的、对应于相应主题的负面情绪的那一部分，呈现在选定产品研究数据的、对应于相应主题的负面情绪的那一部分中存在的相应主题的多个子主题；以及针对多个子主题中的每一个，显示来自选定产品研究数据的那一部分的一个或多个代表性评价。例如，对于主题“声音”，子主题是((a)关注“噪声、大、烦人、咔嚓、纯粹”的第一子主题和(b)关注“低、高、速度”的第二子主题)。在另一示例中，对于第一子主题“它发出大的且烦人的噪声。它还在振荡或旋转时发出咔哒嚓声”，且对于第二子主题“低速噪声类似于对其它风扇的高速噪声”。在一些实施例中，在选定产品研究数据的、对应于相应主题的负面情绪的那一部分中存在的相应主题的多个子主题(例如，对于主题“声音”，子主题是((a)关注“噪声、大、烦人、咔嚓、纯粹”的第一子主题和(b)关注“低、高、速度”的第二子主题))通过主题提取过程来确定。在一些实施例中，还确定选定产品研究数据的、对应于相应主题的负面情绪的那一部分的第一总数量(例如，“坏＝3755”)，选定产品研究数据的、对应于相应主题的多个子主题的那一部分的第二总数量(例如，“计数＝3559”)，以及对应于相应主题的多个子主题中的每一个的第二总数量的相应份额(例如，对于第一子主题，份额是74％，且对于第二子主题，份额是26％)，并通过来自选定产品研究数据的、针对多个子主题中的每一个的一个或多个代表性评价来呈现。在一些实施例中，对于具有负面情绪的多个排名靠前的主题(例如，具有大量负面数据的主题)中的每一个，显示上述内容。

在一些实施例中，如图5G和图5H的定位图530或定位图540所示，方法600还包括对于相应主题(例如，“清洗”)，在选定产品研究数据的、使用对应于一个或多个选定产品集合(例如，相关产品组、产品类型、产品品牌等)的第一过滤器识别的那一部分中识别多个产品子组(例如，品牌、或型号、销售国家等)；以及显示对应于多个产品子组中的相应子组的视觉表示(例如，用(X，Y，Φ)表示的条带、球等)，其中视觉表示(例如，单个对象，与数值或不同对象相反)具有第一视觉特征(例如，在平面上对应于竖直轴上的第一值的竖直位置，颜色等)、第二视觉特征(例如，在平面上对应于水平轴上的第二值的水平位置)和第三视觉特征(例如，条带的横向尺寸或圆的半径)，第一视觉特征对应于基于对选定产品研究数据的、对应于相应主题和相应子组的相应部分进行情绪分析的结果而计算的平均情绪值(例如，Y)，第二视觉特征对应于选定产品研究数据的相应部分中的总评价量(例如，X)，以及第三视觉特征对应于在选定产品研究数据的相应部分中的总评价量之中，对应于相应主题的相应子组的主题提及总数(例如，Φ)，选定产品研究数据的相应部分对应于多个产品子组中的相应子组和相应主题(例如，“清洗”)。

在一些实施例中，对于多个产品子组中的相应子组，方法600包括基于对选定产品研究数据的、对应于多个产品子组中的相应子组和相应主题(例如，“清洗”)的相应部分进行情绪分析的结果而计算平均情绪值。在一些实施例中，对于多个产品子组中的相应子组，方法600包括计算选定产品研究数据的、对应于多个产品子组中的相应子组和相应主题(例如，“清洗”)的相应部分中的总评价量(或其它类型的度量(例如，销售量、客户呼叫、退货等))。在一些实施例中，对于多个产品子组中的相应子组，方法600包括计算总评价量之中，相应子组的主题提及总数。

在一些实施例中，如图5A所示，关于主题模式切换按钮612，方法600还包括在第四用户界面区域中接收用户在与主题模式相关联的第一选项和与关键词模式相关联的第二选项之间的选择。根据对用户选择对应于第一选项的确定，并响应于显示综合情绪评价的请求，方法600包括在第二用户界面区域中，基于从选定产品研究数据提取的主题来呈现综合情绪评价，综合情绪评价包括排名靠前的主题和针对排名靠前的主题中的每一个的客户情绪的相应视觉表示。根据对用户选择对应于第二选项的确定，并响应于显示综合情绪评价的请求，方法600包括在第二用户界面区域中呈现综合情绪评价，综合情绪评价包括多个关键词(例如，在选定产品研究数据中具有最高出现率的词)和从选定产品研究数据提取的、分别与多个关键词相关联的情绪词的相应视觉表示。

在一些实施例中，如图5I的比较用户界面550所示，方法600还包括在第五用户界面区域中，接收呈现第一选定产品组和第二选定产品组(例如，同一产品的相同或不同制造商所涉及的制造商、品牌、型号，不同网站来源)之间的第一比较综述(例如，属性-情绪图)的请求，第一比较综述与多个选定属性(例如，由用户选择的主题、属性词)的情绪(例如，情绪分数、正面、中性、负面)的相应定量度量相关。该请求还请求呈现第一选定产品组和第二选定产品组之间的第二比较综述(例如，属性-流行度图)，第二比较综述与多个选定属性的提及频率(例如，流行度，相应属性的评价中(例如，在选定时间段内)提及的次数)的相应定量度量相关。在一些实施例中，设备在第五用户界面区域中显示多个字段，多个字段包括第一组字段和第二组字段，第一组字段中的每个字段包括列出多个可选择的组(例如品牌、制造商、型号等)的下拉菜单，第二组字段中的每个字段包括列出多个可选择的属性的下拉菜单。在选择显示提及总次数，与时间帧相关的字段(例如，在一段时间内的研究数据，或在评价/提及产品期间等)时。

在一些实施例中，如图5I所示，响应于接收到呈现第一比较综述和第二比较综述的请求，方法包括(1)对于第一选定产品组和第二选定产品组中的每一个，在相应多边形的拐角处显示选定属性，(2)识别每个属性的情绪分数，以及(3)识别提及针对第一选定产品组和第二选定产品组中的每一个的每个属性字的评价总数。在一些实施例中，对于每个选定产品组，方法包括对于每个属性，计算与每个属性的评价数除以所有选定属性的评价总数(例如，属性流行度)相关联的百分比。在一些实施例中，方法包括确定每个属性的平均情绪分数(例如，在-1和+1之间的情绪分数)。

在一些实施例中，如图5I所示，方法包括：在第六用户界面区域内的第一视图中呈现第一选定产品组和第二选定产品组之间的第一比较综述，第一比较综述与多个选定属性(例如，由多边形的每个拐角上的相应属性词表示)的相应情绪分数(例如，比较情绪分数的属性-情绪)相关；以及在与第六用户界面区域内的第一视图并排的第二视图中，呈现第一选定产品组和第二选定产品组之间的第二比较，第二比较与多个选定属性的相应提及频率(例如，比较提及频率的属性-流行度)相关。

图7是根据一些实施例的促进产品研发的方法700的流程图。该方法在具有一个或多个处理器和存储器的计算系统(例如，服务器系统120上的服务器侧功能)上执行(702)。在一些实施例中，方法700包括从多个数据源获得(704)相应的产品相关数据。在一些实施例中，产品相关数据包括(1)多个产品的相应的产品特有数据和(2)非产品特有数据。在一些实施例中，相应的产品特有数据包括一类产品(例如，一类电器、化妆品、电子设备、服装或家具等)或一个或多个相关类别产品(例如，对应于各种类型的厨房电器、各种类型的家用电器、各种类型的服装或各种类型的家具等的类别)的客户评价数据，例如，从一个或多个电子商务网站提取的一个或多个类别的产品(例如，具有型号和品牌的特定产品)的客户评价数据。在一些实施例中，一类产品对应于与品牌和型号相关联的特定类型产品，例如，由AAA公司制造的#aaa型号的洗碗机。在一些实施例中，相应的产品特有数据包括一类产品或一个或多个相关类别产品的产品使用数据，例如，从电器传输的反馈或使用日志、来自销售员和经销商的销售报告、从电子商务门户网站传输的销售报告。在一些实施例中，客户评价数据包括在在线门户网站、市场调查、售前查询、客户支持呼叫、产品研究结果等上提供的客户评价，以及产品使用数据包括针对每个产品、产品类别或相关类别产品的销售、使用频率、客户呼叫频率等的统计。在一些实施例中，客户评价数据采取自然语言表示的文本内容的形式、评级的形式，以及产品使用数据采取统计、电子日志等形式。在一些实施例中，非产品特有数据包括与多个产品对应的行业的人才资料数据(例如，包括由一个或多个行业参与者(例如，多个产品的制造商和经销商)发布的招聘启事数据)和与多个产品相关的一个或多个技术领域的技术描述数据中的至少一个。在一些实施例中，技术描述数据包括已公布的专利和出版物、学术论文、行业会议记录、行业白皮书等。

在一些实施例中，方法700包括对多个产品的相应的产品特有数据(例如，用户选择的数据)(例如，来自在线门户网站、电子商务网站等的产品评价数据)和非产品特有数据(例如，招聘启事数据、与多个产品相关的行业和技术领域的专利数据)执行(706)主题提取，以获得与多个产品相关联的相应主题和相应主题的对应数值统计(例如，频率计数、出现百分比等)。例如，主题提取使用聚类和主题提取模型和算法来处理来自多个数据源的相应产品相关数据。

在一些实施例中，方法700包括针对从相应的产品特有数据和非产品特有数据中提取的相应主题，对多个产品的相应的产品特有数据(例如，包括来自在线门户网站、电子商务网站等的产品评价数据)执行(708)情绪分析，以获得与多个产品中的相应产品的相应主题对应的客户情绪度量的相应值(例如，相应统计，例如正面情绪和负面情绪的频率计数、出现百分比等)。在一些实施例中，对于每个主题，每个产品可具有不同的情绪结果。

在一些实施例中，方法700包括基于与选定产品的相应主题中的一个或多个主题(例如，最频繁讨论的前五个主题)对应的客户情绪度量的相应值，来呈现(710)选定产品的综合情绪评价。在一些实施例中，综合情绪评价包括对相应产品的相应主题的正面评价与负面评价的总数进行对比的条形图。

在一些实施例中，针对从相应的产品特有数据和非产品特有数据中提取的相应主题，对多个产品的相应的产品特有数据执行情绪分析，以获得与多个产品中的相应产品的相应主题对应的客户情绪度量的相应值包括：对于多个产品中的相应产品的相应主题中的每一个主题，从与所述相应产品中的每一个产品对应的相应的产品特有数据的情绪分析中获得正面客户情绪的定量度量和负面客户情绪的定量度量。

在一些实施例中，呈现综合情绪评价包括对于针对选定产品提取的多个排名靠前的主题中的每一个，从对应于选定产品的相应的产品特有数据的情绪分析中获得正面客户情绪的定量度量和负面客户情绪的定量度量。在一些实施例中，排名靠前的主题不同于在选定产品研究数据中具有最高出现率的词。在一些实施例中，对选定产品的综合情绪评价包括正面客户情绪的定量度量的第一视觉表示邻近于负面客户情绪的定量度量的第二视觉表示。

在一些实施例中，方法700还包括获得一个或多个正聚类，其中一个或多个正聚类中的相应正聚类与相应主题的代表词和在与相应主题的代表词相同的上下文中出现的多个属性词相关联。

在一些实施例中，响应于用户请求分析针对选定产品研究数据具有负面情绪的数据，方法700还包括从选定产品研究数据的、对应于负面情绪的那一部分中获得相应主题的多个子主题。

在一些实施例中，对于相应主题，方法700还包括在由一个或多个选定产品集合识别的选定产品研究数据的一部分中识别多个产品子组。在一些实施例中，对于多个产品子组中的相应子组，方法700还包括：基于对选定产品研究数据的相应部分进行情绪分析的结果来计算平均情绪值，其中选定产品研究数据的相应部分对应于多个产品子组中的相应子组和相应主题；在选定产品研究数据的相应部分中计算评价总数，其中选定产品研究数据的相应部分对应于多个产品子组中的相应子组和相应主题；计算在评价总数之中相应子组的主题提及总数；以及生成视觉表示，视觉表示包括分别对应于平均情绪值、评价总数和主题提及总数的视觉特征。

在一些实施例中，响应于用户请求使用主题模式来呈现综合情绪评价，方法700还包括基于从选定产品研究数据中提取的主题，获得多个主题和分别与多个主题相关联的客户情绪数据。在一些实施例中，响应于用户请求使用关键词模式来呈现综合情绪评价，方法700还包括获得从选定产品研究数据中提取的多个关键词和分别与多个关键词相关联的情绪词。

在一些实施例中，响应于接收到用户请求呈现第一选定产品组和第二选定产品组之间的产品比较综述，方法700还包括：获得在第一选定产品组和第二选定产品组之间多个选定属性的情绪的相应定量度量；获得在第一选定产品组和第二选定产品组之间多个选定属性的提及频率的相应定量度量；以及生成在第一选定产品组和第二选定产品组之间多个选定属性的相应情绪分数的第一比较综述，以及在第一选定产品组和第二选定产品组之间多个选定属性的相应提及频率的第二比较综述。

在一些实施例中，方法700还包括对非产品特有数据的技术描述数据执行情绪分析，以获得与多个产品中的相应产品的一个或多个相应主题对应的技术发展趋势(例如，旧的/过去的/过时的技术与未来的/趋势技术相比较)度量的相应值(例如，在一篇专利中，当前申请的背景技术/问题部分与详细描述部分相比较)。在一些实施例中，还基于与相应产品的一个或多个相应主题对应的技术发展趋势的度量的相应值来呈现相应产品的综合情绪评价。

在一些实施例中，在执行主题提取和情绪分析之前，方法700还包括使用自然语言处理(NLP)算法来处理产品特有数据和非产品特有数据。

在一些实施例中，多个产品的产品特有数据包括由与一个或多个产品类别相关联的相应传感器获得的产品使用数据。在一些实施例中，方法700还包括对产品使用数据执行特征提取，以获得与多个产品相关联的相应特征以及反映与相应特征相关联的用户偏好的相应表示。

在一些实施例中，执行主题提取还包括：将产品特有数据和非产品特有数据的文本数据划分成多个句子，每个句子包括多个词；通过相应的词标签(动词、名词、形容词等)标记多个句子中的相应句子的多个词；分析相应句子的多个词中的相应词的一个或多个相邻词；以及根据词标签和相应句子的相应词的一个或多个相邻词来提取相应句子的一个或多个主题。

参考图6和图7描述的各个特征可根据各种实施例单独地实现，或在同一设备上或在同一方法中组合地实现。

图8是示出根据一些实施例的用于实施促进产品研发的方法(例如，图7的方法700)的服务器系统(例如，服务器120)的框图。服务器120通常包括一个或多个处理单元(CPU)802、一个或多个网络接口804、存储器806以及用于使这些组件(有时称为芯片组)互连的一个或多个通信总线808。可选地，服务器120还包括用户接口801。用户接口801包括能够呈现媒体内容的一个或多个输出设备803，一个或多个输出设备包括一个或多个扬声器和/或一个或多个视觉显示器。用户接口801还包括一个或多个输入设备805，一个或多个输入设备包括便于用户输入的用户接口组件，例如键盘、鼠标、语音命令输入单元或麦克风、触摸屏显示器、触敏输入板、手势采集相机或者其它输入按钮或控件。存储器806包括高速随机存取存储器，例如DRAM、SRAM、DDR RAM或其它随机存取固态存储器件；可选地包括非易失性存储器，例如一个或多个磁盘存储器件、一个或多个光盘存储器件、一个或多个闪存器件或者一个或多个其它非易失性固态存储器件。可选地，存储器806包括远离一个或多个处理单元802布置的一个或多个存储器件。存储器806，或者替代地，存储器806内的非易失性存储器，包括非暂时性计算机可读存储介质。在一些实现方式中，存储器806或存储器806的非暂时性计算机可读存储介质存储以下程序、模块和数据结构，或存储以下程序、模块和数据结构的子集或超集：

·操作系统810，操作系统包括用于处理各种基本系统服务和用于执行硬件相关任务的程序；

·网络通信模块812，网络通信模块用于通过一个或多个网络接口804(有线或无线)将服务器120连接到与一个或多个网络160连接的其它计算设备(例如，用户设备102或第三方服务158)；

·呈现模块813，呈现模块用于通过与用户接口相关联的一个或多个输出设备803(例如，显示器、扬声器等)在服务器120处实现信息的呈现(例如，呈现应用程序、小部件、网页、音频和/或视频内容、文本等的用户界面)；

·输入处理模块814，输入处理模块用于检测来自一个或多个输入设备805之一的一个或多个用户输入或交互，并解释检测到的输入或交互；

·由服务器120执行的一个或多个应用程序816；

·服务器侧模块820，服务器侧模块提供用于促进如本文所讨论的产品研发的服务器侧数据处理和功能，服务器侧模块包括但不限于：

o数据管理模块822，数据管理模块用于管理从外部服务158获得的数据，数据包括但不限于包括电器传感器数据、客户评价数据等的产品特有数据以及包括人才资料数据和技术描述数据等的非产品特有数据；

o主题提取模块822，主题提取模块用于对选定产品研究数据执行主题提取；

o关键词分析模块824，关键词分析模块用于分析来自选定产品研究数据的关键词(例如，在非主题模式下)；

o情绪分析模块828，情绪分析模块用于从用户评价数据中分析对提取的每个主题词的情绪，并对相应的情绪进行定量评估(例如，分配情绪分数)等；

o综合情绪评价生成模块830，综合情绪评价生成模块用于生成如参考图5A至图5I所讨论的综合情绪评价的各种实施例；

·服务器侧数据库和模型116，服务器侧数据库和模型存储数据和相关模型，数据和相关模型包括但不限于：

o来自如本文所讨论的各数据源842的数据，数据包括但不限于包括客户评价数据、呼叫中心投诉数据、电器传感器数据等的产品特有数据以及包括人才资料数据和技术描述数据的非产品特有数据；以及

o如本文所讨论的各种算法和模型844，算法和模型包括但不限于主题提取算法314、情绪分析算法316、特征提取算法318和NLP处理算法等。

上文识别的元件中的每一个可存储在之前提到的存储器件中的一个或多个存储器件中，且对应于用于执行上述功能的指令集。上文识别的模块或程序(即，指令集)不需要以单独的软件程序、程序、模块或数据结构来实现，因此这些模块的各种子集可以在各种实现方式中组合或以其它方式重新排列。在一些实现方式中，存储器806可选地存储上文识别的模块和数据结构的子集。此外，存储器806可选地存储上文未描述的附加模块和数据结构。

在一些实施例中，服务器系统120的至少一些功能由客户端设备102执行，这些功能的相应子模块可位于客户端设备102内，而不是位于服务器系统120内。在一些实施例中，客户端设备102的至少一些功能由服务器系统120执行，这些功能的相应子模块可位于服务器系统120内，而不是位于客户端设备102内。图中所示的客户端设备102和服务器系统120仅仅是说明性的，且在各种实施例中，存在用于实施本文描述的功能的模块的不同配置。

虽然上文描述了特定实施例，但是应理解，其意图不是将本申请限制于这些特定实施例。相反，本申请包括在所附的权利要求的精神和范围内的替代、修改和等同物。阐述许多具体细节，以提供对本文提出的主题的透彻理解。然而，对于本领域普通技术人员来说显而易见的是，可以在没有这些具体细节的情况下实施该主题。在其它实例中，没有详细描述公知的方法、过程、组件和电路，以避免不必要地模糊实施例的方面。

图9是示出根据一些实施例的、用于执行促进产品研发的方法(例如，图6的方法600)和显示综合情绪评价的各种实施例的计算设备900(例如，用户设备102)的框图。用户设备102通常包括一个或多个处理单元(CPU)902(例如，处理器)、一个或多个网络接口904、存储器906以及用于使这些组件(有时称为芯片组)互连的一个或多个通信总线908。用户设备102还包括用户接口901。用户接口901包括能够呈现媒体内容的一个或多个输出设备903，一个或多个输出设备包括一个或多个扬声器和/或一个或多个视觉显示器。用户接口901还包括一个或多个输入设备905，一个或多个输入设备包括便于用户输入的用户接口组件，例如键盘、鼠标、语音命令输入单元或麦克风、触摸屏显示器、触敏输入板、手势采集相机、一个或多个相机、深度相机或者其它输入按钮或控件。此外，一些用户设备102使用麦克风和语音识别或者使用相机和手势识别来补充或替代键盘。在一些实施例中，用户设备102还包括传感器，传感器提供与用户设备102的当前状态相关或与用户设备102相关联的环境状况相关的上下文信息。传感器包括但不限于一个或多个麦克风、一个或多个相机(例如，用于响应于从在用户设备102上运行的应用程序的用户界面接收用户输入而采集洗碗机腔室的图像)、环境光传感器、一个或多个加速度计、一个或多个陀螺仪、GPS定位系统、蓝牙或BLE系统、温度传感器、一个或多个运动传感器、一个或多个生物传感器(例如，皮电电阻传感器、脉搏血氧计等)和其它传感器。

存储器906包括高速随机存取存储器，例如DRAM、SRAM、DDR RAM或其它随机存取固态存储器件；可选地，包括非易失性存储器，例如一个或多个磁盘存储器件、一个或多个光盘存储器件、一个或多个闪存器件或者一个或多个其它非易失性固态存储器件。可选地，存储器906包括远离一个或多个处理单元902布置的一个或多个存储器件。存储器906，或者替代地，存储器906内的非易失性存储器，包括非暂时性计算机可读存储介质。在一些实现方式中，存储器906或存储器906的非暂时性计算机可读存储介质存储以下程序、模块和数据结构，或存储以下程序、模块和数据结构的子集或超集：

·操作系统910，操作系统包括用于处理各种基本系统服务和用于执行硬件相关任务的程序；

·网络通信模块912，网络通信模块用于通过一个或多个网络接口904(有线或无线)将用户设备102连接到与一个或多个网络160连接的其它计算设备(例如，服务器系统120)；

·呈现模块914，呈现模块用于通过与用户接口相关联的一个或多个输出设备903(例如，显示器、扬声器等)在客户端设备102处实现信息的呈现(例如，呈现用于展示文本、图像、视频、网页、音频等的用户界面)；

·用户输入处理模块916，用户输入处理模块用于检测来自一个或多个输入设备905之一的一个或多个用户输入或交互，并解释检测到的输入或交互；

·由用户设备102执行的一个或多个应用程序918(例如，用于管理和控制电器的、设备制造商托管的应用程序，支付平台，媒体播放器和/或其它基于web或不基于web的应用程序等)；

·客户端侧模块920，客户端侧模块提供客户端侧数据处理和功能，客户端侧模块包括但不限于：

o综合情绪评价生成模块922(例如，客户端侧功能)，综合情绪评价生成模块用于基于提取的主题和每个主题的相应情绪来生成如参考图5A至图5I所讨论的综合情绪评价的各种实施例；以及

o数据管理模块924(例如，客户端侧功能)，数据管理模块用于管理从外部服务158和/或服务器系统120获得的数据，数据包括但不限于如本文所讨论的产品特有数据和非产品数据。

·数据库930，用于存储如本文所讨论的各种数据、模型和算法。

上文识别的元件中的每一个可存储在之前提到的存储器件中的一个或多个存储器件中，且对应于用于执行上述功能的指令集。上文识别的模块或程序(即，指令集)不需要以单独的软件程序、程序、模块或数据结构来实现，因此这些模块的各种子集可以在各种实现方式中组合或以其它方式重新排列。在一些实现方式中，存储器906可选地存储上文识别的模块和数据结构的子集。此外，存储器906可选地存储上文未描述的附加模块和数据结构。

本发明可应用于任何应用，例如web应用、软件或移动应用，且可应用于公司或市场内的任何类型的产品规划、评估、优化过程。没有特定的行业受到限制。

为了说明的目的，已参照具体实施例描述了前述描述。然而，上文的说明性讨论并不旨在穷举或将所公开的实施例限制到所公开的精确形式。考虑到上述教导，可存在许多修改和变化。选择和描述这些实施例以最好地说明所公开的思想的原理和实际应用，从而使本领域其它技术人员能够最好地利用所公开的思想实现适合于所设想的特定用途的各种变型。

应理解，虽然术语“第一”、“第二”等在此可用于描述各种元件，但是这些元件不应受这些术语的限制。这些术语仅用于区分一个元件和另一个元件。

本文使用的术语，其目的仅在于描述特定实施例，并不旨在限制权利要求。如在实施例的描述和所附的权利要求中所使用的，单数形式“一”、“一个”和“该”还旨在包括复数形式，除非上下文另外清楚地指示。还应理解，本文使用的术语“和/或”指的是并包括一个或多个相关联的所列项目的任何和所有可能的组合。进一步应理解，当在本说明书中使用时，术语“包括”和/或“包含”指明所叙述的特征、整数、步骤、操作、元件和/或组件的存在，但不排除一个或多个其它特征、整数、步骤、操作、元件、组件和/或其组的存在或添加。

如本文所使用的，术语“如果”可取决于上下文而解释成意思是“当……时”或“在……时”或“响应于确定……”或“根据对……的确定”或“响应于检测到……”，表明所叙述的在先条件为真。类似地，短语“如果确定[所叙述的在先条件为真]”或“如果[所叙述的在先条件为真]”或“当[所叙述的在先条件为真]时”可取决于上下文而解释成意思是“在确定……时”或“在对……确定时”或“响应于确定……”或“根据对……的确定”或“在检测到……时”或“响应于检测到……”，表明所叙述的在先条件为真。

Claims (9)

1.一种方法，包括：

在具有一个或多个处理器和存储器的设备上：

在第一用户界面区域中提供用于选择产品研究数据的多个过滤器，其中，所述多个过滤器至少包括对应于一个或多个选定产品集合的第一过滤器和对应于一个或多个选定数据源的第二过滤器；

通过所述第一用户界面区域接收显示针对相应产品集合的综合情绪评价的请求，所述相应产品集合与所述第一用户界面区域中的第一过滤器和第二过滤器的相应用户选定值对应；以及

响应于通过所述第一用户界面区域接收到所述显示针对相应产品集合的综合情绪评价的请求：

获得对与所述第一过滤器和所述第二过滤器的相应用户选定值对应的选定产品研究数据进行主题提取的结果；

获得对与所述第一过滤器和所述第二过滤器的相应用户选定值对应的选定产品研究数据进行情绪分析的结果；以及

在第二用户界面区域中呈现所述相应产品集合的综合情绪评价，其包括在对与所述第一过滤器和所述第二过滤器的相应用户选定值对应的选定产品研究数据进行主题提取的结果中，对于多个排名靠前的主题中的每一个，正面客户情绪的定量度量的第一视觉表示邻近于负面客户情绪的定量度量的第二视觉表示。

2.根据权利要求1所述的方法，其中，对于所述多个排名靠前的主题中的相应主题，所述正面客户情绪的定量度量的第一视觉表示由对应于所述相应主题的相应代表词标记，且所述第一视觉表示以对应于相应频率的视觉特征显示，所述相应频率是所述代表词出现在与所述相应主题对应的具有正面客户情绪的选定产品研究数据的第一子集中的频率，其中，所述相应频率不包括所述代表词在所述具有正面客户情绪的选定产品研究数据的第二子集中的所有出现。

3.根据权利要求1所述的方法，包括：

在第三用户界面区域中显示一个或多个正聚类，其中，所述一个或多个正聚类中的相应正聚类由对应于所述相应正聚类的选定主题的代表词标记，并由多个属性词标记，所述多个属性词出现在与对应于所述相应正聚类的选定主题的代表词相同的上下文中。

4.根据权利要求1所述的方法，包括：

响应于用户请求分析针对所述选定产品研究数据具有负面情绪的数据：

根据所述选定产品研究数据的、对应于相应主题的负面情绪的那一部分，呈现在所述选定产品研究数据的、对应于相应主题的负面情绪的那一部分中存在的所述相应主题的多个子主题；以及

针对所述多个子主题中的每一个，显示来自所述选定产品研究数据的那一部分的一个或多个代表性评价。

5.根据权利要求1所述的方法，包括：

对于相应主题，在所述选定产品研究数据的、使用对应于一个或多个选定产品集合的第一过滤器识别的那一部分中识别多个产品子组；以及

显示对应于所述多个产品子组中的相应子组的视觉表示，其中，所述视觉表示具有第一视觉特征、第二视觉特征和第三视觉特征，所述第一视觉特征对应于基于对所述选定产品研究数据的、对应于相应主题和相应子组的相应部分进行情绪分析的结果而计算的平均情绪值，所述第二视觉特征对应于所述选定产品研究数据的相应部分中的总评价量，以及所述第三视觉特征对应于在所述选定产品研究数据的相应部分中的总评价量之中，针对相应主题和相应子组的主题提及总数，所述选定产品研究数据的相应部分对应于所述多个产品子组中的相应子组和相应主题。

6.根据权利要求1所述的方法，包括：

在第四用户界面区域中接收用户在与主题模式相关联的第一选项和与关键词模式相关联的第二选项之间的选择；

根据对用户选择对应于所述第一选项的确定，并响应于显示所述综合情绪评价的请求，在所述第二用户界面区域中，基于从所述选定产品研究数据提取的主题来呈现所述综合情绪评价，所述综合情绪评价包括排名靠前的主题和针对所述排名靠前的主题中的每一个的客户情绪的相应视觉表示；以及

根据对用户选择对应于所述第二选项的确定，并响应于显示所述综合情绪评价的请求，在所述第二用户界面区域中呈现所述综合情绪评价，所述综合情绪评价包括多个关键词和从所述选定产品研究数据提取的、分别与所述多个关键词相关联的情绪词的相应视觉表示。

7.根据权利要求1所述的方法，包括：

在第五用户界面区域中，接收呈现第一选定产品组和第二选定产品组之间的第一比较综述和呈现所述第一选定产品组和第二选定产品组之间的第二比较综述的请求，所述第一比较综述与多个选定属性的情绪的相应定量度量相关，所述第二比较综述与所述多个选定属性的提及频率的相应定量度量相关；以及

响应于接收到所述呈现第一比较综述和第二比较综述的请求：

在第六用户界面区域内的第一视图中呈现所述第一选定产品组和第二选定产品组之间的第一比较综述，所述第一比较综述与所述多个选定属性的相应情绪分数相关；以及

在所述第六用户界面区域内与所述第一视图并排的第二视图中，呈现所述第一选定产品组和第二选定产品组之间的第二比较，所述第二比较与所述多个选定属性的相应提及频率相关。

8.一种计算系统，包括：

一个或多个处理器；以及

存储指令的存储器，当所述指令由所述一个或多个处理器执行时，所述指令使得所述处理器执行根据权利要求1至7中任一项所述的方法。

9.一种计算机可读存储介质，所述计算机可读存储介质存储指令，当所述指令由一个或多个处理器执行时，所述指令使得所述处理器执行根据权利要求1至7中任一项所述的方法的操作。

Images